분류 전체보기212

• [Archive] Condensates and phase separation 새롭게 읽어보는 분야인 Protein Condensates, Liquid Phase separation 에 대한 논문들. 먼저 1차적으로 저번 주에 Nature method 에 나온 Condensate DB 논문의 Reference 부터 시작. CD-CODE: crowdsourcing condensate database and encyclopedia Banani, S. F., Lee, H. O., Hyman, A. A. & Rosen, M. K. Biomolecular condensates: organizers of cellular biochemistry. Nat. Rev. Mol. Cell Biol. 18, 285–298 (2017). Article CAS PubMed PubMed Central Goo.. 논문 리뷰/Protein 2023. 4. 10.

• AlphaFold and Implications for Intrinsically Disordered Proteins AlphaFold and Implications for Intrinsically Disordered Proteins - ScienceDirect 논문 리뷰/Protein 2023. 4. 10.

• Liquid–liquid phase separation in tumor biology Liquid–liquid phase separation in tumor biology | Signal Transduction and Targeted Therapy (nature.com) 논문 리뷰/Protein 2023. 4. 10.

• [ChatGPT] Chat PDF 구현하기 요즘 논문 읽을 때 Chat PDF 를 아주 잘 활용하고 있는데, 무료에는 제한이 있어서 직접 만들어서 쓰면 어떨까 해서 모으는 자료들. 1. How to Code a Project like ChatPDF? | by Josh Lin | Mar, 2023 | Medium How to Code a Project like ChatPDF? What is ChatPDF? postor.medium.com 2. guangzhengli/ChatFiles: Have a conversation with files ｜与你的文件对话 (github.com) GitHub - guangzhengli/ChatFiles: Have a conversation with files ｜与你的文件对话 Have a conversation wit.. Resources/Hands-on 실습 자료 2023. 4. 10.

• 4월 3주차 [강석기의 과학카페]세포에는 왜 액체방울이 존재할까? : 동아사이언스 (dongascience.com) Resources/Weekly reading list 2023. 4. 10.

• [0] 데이터 품질 높이기 데이터의 품질과 신뢰성 높이기. 어떤 작업들이 필요할까 ? 1) 회사 플랫폼에 data quality rule을 만들어서 테스트 실험 데이터에 적용 경우 NGS QC 데이터를 다루는 경우가 많은데, 먼저 data 를 가지고 process 를 진행하기 전 테스트를 진행한다 실험 데이터는 정량화된 값이 많기 때문에, 시퀀싱에 관련된 인자들을 고려한 선형 / 비선형 모델을 만든 후 그것에 넣어봄 1차적으로 process 가 들어가기 전 어떤 형식으로 해석이 될 지 알 수 있음 / 혹은 사용할지, 사용하지 않을지 알 수 있음. 2) 개념적으로 데이터 품질 관리를 위해 데이터 리니지, 데이터 카탈로그 등으로 데이터 품질 관리와 히스토리를 관리 A. 데이터 리니지 데이터 리니지는 데이터의 수집과 저장, 이동과 통합.. 데이터/Data Manipulation 2023. 4. 9.

• 4월 2주차 CD-CODE: crowdsourcing condensate database and encyclopedia | Nature Methods Improving the generalizability of protein-ligand binding predictions with AI-Bind | Nature Communications Genomic and transcriptomic analysis of checkpoint blockade response in advanced non-small cell lung cancer | Nature Genetics Tracking early lung cancer metastatic dissemination in TRACERx using ctDNA | Nature 이번 주 논문들 2023. 4. 7.

• 

  CFAGO: cross-fusion of network and attributes based on attention mechanism for protein function prediction CFAGO: cross-fusion of network and attributes based on attention mechanism for protein function prediction | Bioinformatics | Oxford Academic (oup.com) 2023, Bioinformatics Bin Liu Group Abstract 단백질 기능 annotation 은 생물 현상을 이해하는데 있어서 필수적인데, 유전체 수준의 단백질-단백질 상호작용(PPI) 와 단백질의 생물학적 특징들은 단백질 기능을 annotation 하는데 풍부한 정보를 제공한다. PPI와 생물학적 특징들은 다른 관점에서 단백질 기능을 설명하는데, 이 둘을 연결시켜 단백질 기능을 예측하는 것은 쉽지 않다. 최근 Grap.. 논문 리뷰/Systems biology 2023. 4. 4.

• 4월 2주차 극초기 채용 공고! (oopy.io) 극초기 채용 공고! 최고의 VC들이 투자한 극초기 스타트업의 채용 공고만 모아 놓았습니다. joinearly.oopy.io 어떻게 가고 있는가? 어디로 가야 하는가? 에 대한 실마리를 찾을 수 있길 바라며... Stop doing this on ChatGPT and get ahead of the 99% of its users | by Josep Ferrer | Geek Culture | Apr, 2023 | Medium Science | Dewpoint Therapeutics (dewpointx.com) Resources/Weekly reading list 2023. 4. 3.

• 

  Generalizable biomarker prediction from cancer pathology slides with self-supervised deep learning Generalizable biomarker prediction from cancer pathology slides with self-supervised deep learning: A retrospective multi-centric study (cell.com) 2023, Cell Reports Medicine Michael Hoffmeister, Jakob Nikolas Kather Groups Abstract - 딥러닝은 CRC 에서 histopathology 를 가지고 MSI 를 예측할 수 있지만, 다른 바이오마커도 예측할 수 있을지는 미지수임. - 이 논문에서 2개 큰 코호트에 대해서, 6개의 최신 딥러닝 구조들을 사용하여 MSI, BRAF, KRAS, PIK3CA 같은 mutation 예측의 성.. 논문 리뷰/Histology 2023. 4. 3.

• 3월 5주차 Generalizable biomarker prediction from cancer pathology slides with self-supervised deep learning: A retrospective multi-centric study (cell.com) Self-supervised attention-based deep learning for pan-cancer mutation prediction from histopathology | npj Precision Oncology (nature.com) DIST: spatial transcriptomics enhancement using deep learning | Briefings in Bioinformatics | Oxford Academic (o.. 이번 주 논문들 2023. 3. 31.

• [ML/DL] 쿨백-라이블러 발산 (Kullback-Leibler divergence, KLD) 쿨백-라이블러 발산(Kullback-Leibler divergence, KLD)은 두 확률 분포 P와 Q 간의 차이를 측정하는 수학적 개념입니다. 일반적으로 KLD(Q||P)로 표기되며, 이는 실제 분포 P를 분포 Q를 사용하여 근사하려고 할 때 발생하는 정보 손실을 측정합니다. KLD(Q||P)는 다음과 같이 정의됩니다. KLD(Q||P) = ∑x Q(x) * log(Q(x) / P(x)) 여기서 x는 가능한 결과의 하나이며, Q(x)는 Q에 따른 x의 확률이고, P(x)는 P에 따른 x의 확률입니다. 이 공식은 각 결과의 확률로 가중치를 두고 두 분포의 로그 차이를 평균적으로 계산합니다. KLD(Q||P)가 대칭적이지 않다는 점에 유의해야 합니다. 즉, KLD(Q||P)는 Q의 관점에서 Q와 P의 차.. 개념 정리 2023. 3. 31.