분류 전체보기212

• 7월 3주차 Super-enhancer hypermutation alters oncogene expression in B cell lymphoma | Nature Mapping information-rich genotype-phenotype landscapes with genome-scale Perturb-seq: Cell Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis - The Lancet Digital Health Accelerated identification of disease-causing variants with ultra-rapid nanopore genome sequen.. 이번 주 논문들 2022. 7. 11.

• 7월 3주차 How to Create a Graph Neural Network in Python | by Tiago Toledo Jr. | Jul, 2022 | Towards Data Science Reshaping a DataFrame from long to wide format using pivot() | by B. Chen | Jul, 2022 | Towards Data Science Resources/Weekly reading list 2022. 7. 11.

• 7월 2주차 Interview_Question_for_Beginner/README.md at master · JaeYeopHan/Interview_Question_for_Beginner (github.com) GitHub - JaeYeopHan/Interview_Question_for_Beginner: Technical-Interview guidelines written for those who started studying progr :boy: :girl: Technical-Interview guidelines written for those who started studying programming. I wish you all the best. :space_invader: - GitHub - JaeYeopHan/.. Resources/Weekly reading list 2022. 7. 10.

• [On-going] Chemoinfo tools md, docking : discovery studio ; PyMOL ; Chimera ; AutoDock(무료) 슈뢰딩거, 로제타, vina protein-protein docking : rosettaDock ; autodock vina MD : gromacs Protein-protein docking : patch dock Docking을 연구하는 집단은 어느 툴을 메인으로 쓴다기 보다 자체적으로 개발 Docking 프로그램이 잘 작동하는지 샘플링해서 눈으로 볼때 pymol이나 kimera같은 visualization 툴 사용 Resources 2022. 7. 10.

• 7월 2주차 i-Modern: Integrated multi-omics network model identifies potential therapeutic targets in glioma by deep learning with interpretability | Elsevier Enhanced Reader i-Modern: Integrated multi-omics network model identifies potential therapeutic targets in glioma by deep learning with interpre Effective and precise classification of glioma patients for their disease risks is critical to improving .. 이번 주 논문들 2022. 7. 10.

• Ploidy, haplotype, phasing Ploidy 사람은 모계, 부계로부터 Genome 을 하나씩 받는다. 각 세포에 들어가있는 염색체의 완전한 조합 ( Haplotypes ) 은 ploidy 라고 한다. 사람과 다른 동물들은 diploid ( 2N ) 인데 반해 식물은 더 높은 배수를 가질수도 있다. 염색체 쌍의 증가는 DNA 양을 증가시켜줄 뿐만 아니라, 유전체의 복잡성에도 영향을 미친다. 이는 보통 두 개의 genome (부계 / 모계) 는 동일하지만, 다른 경우도 있기 때문이다. Phasing 거대한 다배수체나 배수체를 시퀀싱할 때, 그 목표는 각 copy 당 우리가 보고자 하는 부위의 서열을 정확하게 아는 것이다. 이는 haploid genome (single copy) 를 조립한 후, variant 를 찾거나, 어떤 allele.. 개념 정리 2022. 7. 10.

• [UniProt Challenge] Key words sequence alignment, sequence-profile alignment, profile-profile alignment, phylogeny, sequence properties, physicochemical properties, predicted properties, protein interactions, gene expression, mass spectrometry, genetic interactions, protein structure, literature, genomic context, synteny, structure alignment, comparative model, predicted protein structure, denovo prediction, machine learning.. Resources/Personal Projects 2022. 7. 10.

• 

  Exploring the computational methods for protein-ligand binding site prediction (4) Exploring the computational methods for protein-ligand binding site prediction - ScienceDirect 4) 딥러닝 기반의 LBS prediction 방법들 2006년에, 딥러닝은 머신러닝의 성능을 많은 부분에서 앞서갔고 머신러닝에서 가장 유명한 분야가 되었음. 딥러닝은 복잡한 기계학습 방법으로 3가지 방법으로 주로 적용되는데, CNN, DBN, self-encoding netual network 가 그것임. 지난 2년간 DL 을 이용한 LBS prediction 논문들이 report 되었음. - DEEPSite : 2017, 단백질 구조를 3차원 이미지로 생각하고, 특정 사이즈를 가지는 voxel 로 이산화 시킴. 소수성, 수소결합 공여.. 논문 리뷰/Protein 2022. 7. 9.

• 

  Exploring the computational methods for protein-ligand binding site prediction (3) Exploring the computational methods for protein-ligand binding site prediction - ScienceDirect 3) 전통적인 기계학습 기반의 LBS prediction 방법들 LBS prediction 은 이분법 문제이기 때문에, class imbalance 가 있음. Naive Bayes : prior probability 를 계산하기 때문에 샘플간 corerlation 이 있는 경우에는 적용하기 적합하지 않음. Logistic regression : underfit 되는 경향으로 acc 가 잘 나오지 않음. KNN : 빠르지만 class imbalance situation 에서는 성능을 기대할 수 없음. 따라서 SVM 을 많이 쓰게 되는데, .. 논문 리뷰/Protein 2022. 7. 9.

• 

  Exploring the computational methods for protein-ligand binding site prediction (2) Exploring the computational methods for protein-ligand binding site prediction - ScienceDirect 2) Template similarity-based LBS prediction method 단백질의 3차구조는 geometry, energy 에 대한 단서를 제공해서 단백질 하나의 구조만으로 LBS 예측을 가능하게 한다. 만약 단백질이 독립적인 분자가 아닌 다른 분자들로부터 생겨난 것이라는 것을 가정한다면, 구조적/기능적인 정보들은 homologous 하거나 구조적으로 비슷한 단백질들에서 전달받을 수 있을 것. 이를 이용하면 target protein 의 LBS prediction 은 알려진 protein 들을 template 으로 사용.. 논문 리뷰/Protein 2022. 7. 7.

• 

  Exploring the computational methods for protein-ligand binding site prediction (1) Exploring the computational methods for protein-ligand binding site prediction - ScienceDirect 2020, Computational and structural biotechnology Le Zhang Group Inter-molecular interaction 은 단백질의 아미노산 잔기의 특정 위치를 통해 일어나는데, 이 위치들은 보통 pocket-like region 에 위치해 있음. 이 위치들은 LBS ( Ligand-binding site ) 라고 부름. CASP, CAMEO, CAFA, PDB, BioLip 등의 등장은 하나의 standard evaluation 을 제공했음. BioLip 에서 제공하는 정의에 의하면, 리간드.. 논문 리뷰/Protein 2022. 7. 7.

• [UniProt Challenge] Reference 1. Protein - LBS prediction tools Exploring the computational methods for protein-ligand binding site prediction - ScienceDirect Exploring the computational methods for protein-ligand binding site prediction Proteins participate in various essential processes in vivo via interactions with other molecules. Identifying the residues participating in these int… www.sciencedirect.com 2. Protein model.. Resources/Personal Projects 2022. 7. 6.