PyTorchKR Papers

최신 논문

총 10편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.23975v1cs.AI

Plato-Bio: 검증 우선 생물학적 신규성 스크리닝, 시간적 재발견 및 구조 벤치마크

Plato-Bio: verification-first biological novelty screening with temporal rediscovery and structural benchmarks

대규모 언어 모델 연구 에이전트는 문헌 검색, 분석 코드, 원고 작성을 연결할 수 있지만, 일관된 출력만으로는 과학적 타당성이 확립되지 않는다. 우리는 명시적 워크플로 상태, 출처 기록, 인용 검사, 주장-증거 연결, 범위 지정 파일 쓰기, 출판 게이트를 결합한 오픈 Plato/Denario 아키텍처의 생물학 라우팅 확장인 Plato-Bio를 개발했다. 소스 감사는 평가를 왜곡할 수 있는 세 가지 결함을 식별하고 수정했다: 기본 팩토리에서의 작업 도메인 손실, 스코어링에서 선언된 방법 신호의 누락, 그리고 초안 주장 분모가 없는 증거 사이드카. 현재 정제된 개정판에서 전체 Python 테스트 스위트는 931개 통과, 6개 스킵, 실패나 오류 없이 완료되었으며, 생물학, 유전체학, 증거/인용, 적대적 안전성을 대상으로 한 테스트 스위트도 마찬가지로 실패 없이 완료되었다. 우리는 두 가지 좁은 사용 사례를 평가했다. 동결된 역사적 재발견 작업에서, 1986년 이전 문헌을 독립적으로 연결한 방식은 어유와 Raynaud 현상 사이의 이후 연구된 관계를 1위로 순위화했고, TF-IDF는 2위, 코퍼스 빈도는 3위였다. 이 단일 큐레이션 작업은 전향적 발견이 아니라 회고적 순위화를 측정한다. 15개 인간 단백질에 대한 AlphaFold 모델과 실험 구조의 별도 비교에서, 11개 표적은 고신뢰도 코어 C-alpha RMSD가 1 옹스트롬 미만이었다(중앙값 0.501 옹스트롬). 4개 표적은 2 옹스트롬을 초과했으며, 신뢰도 마스킹은 74개 잔기에 걸쳐 SUMO1 불일치를 16.61에서 2.58 옹스트롬으로 줄였다. 워크플로는 27개의 추적 가능한 불일치 영역을 출력했으며, 모두 미검증 가설로 보존되었다. 따라서 Plato-Bio는 재현 가능한 소프트웨어 계약과 감사 가능한 스크리닝 기준선을 제공한다; 에이전트 효능이나 생물학적 신규성에 대한 더 넓은 주장은 사전 등록 평가, 독립 검토, 전향적 검증이 필요하다.

arXiv:2511.03354v2cs.CL

생물정보학에서의 생성형 인공지능: 모델, 응용 및 방법론적 진전에 대한 체계적 문헌고찰

Generative Artificial Intelligence in Bioinformatics: A Systematic Review of Models, Applications, and Methodological Advances

생성형 인공지능(GenAI)은 유전체학, 단백질체학, 전사체학, 구조생물학, 약물 발견을 발전시키며 생물정보학을 변화시키고 있다. 체계적 문헌고찰 및 메타분석 보고 가이드라인(Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA) 프레임워크에 따라, 본 리뷰는 방법론적 혁신, 예측 성능, 특화, 한계, 데이터 사용 측면에서 영향력 있는 GenAI 전략을 평가하기 위해 여섯 가지 연구 질문을 다룬다. RQ1은 GenAI가 서열 분석, 분자 설계, 통합 데이터 모델링을 지원하며, 향상된 패턴 인식과 생성을 통해 종종 전통적 방법보다 우수한 성능을 보인다는 것을 보여준다. RQ2는 도메인 특화 사전학습과 컨텍스트 인식 설계로 인해 특화 아키텍처가 일반 목적 모델보다 일반적으로 우수한 성능을 보인다는 것을 발견한다. RQ3는 분자 분석과 생물학적 데이터 통합에서 향상된 정확도와 분석 오류 감소를 포함한 이점을 확인한다. RQ4는 확립된 벤치마크에 뒷받침된 구조 모델링, 기능 예측, 합성 데이터 생성의 발전을 보고한다. RQ5는 확장성 부족, 데이터 바이어스, 제한된 일반화 가능성을 포함한 주요 한계를 강조하고, 더 강력한 평가와 생물학적으로 근거 있는 모델링을 권고한다. RQ6는 UniProtKB와 ProteinNet12를 포함한 분자 데이터셋, CELLxGENE와 GTEx를 포함한 세포 데이터셋, PubMedQA와 OMIM을 포함한 텍스트 자원이 모델 학습과 일반화를 지원한다는 것을 보여준다. 전반적으로, 본 리뷰는 더 정확하고 특화되며 통합적인 생물정보학 분석을 통해 계산생물학을 발전시킬 GenAI의 증가하는 잠재력을 보여준다.

arXiv:2607.08803v1q-bio.QM

TheBioCollection: 생물학을 위한 통합 사전학습 규모 LLM 코퍼스

TheBioCollection: Unified Pre-Training Scale LLM Corpus for Biology

생물학을 위한 대규모 언어 모델(BioLM) 연구의 발전은 모델에 생물학에 대한 진정한 이해를 부여할 수 있는 학습 코퍼스에 대한 필요성을 만들어냈다. 그러나 분자 데이터베이스, 단백질 저장소, 유전체 주석, 단일세포 아틀라스, 경로 데이터베이스 등 기존 생물학적 자원들은 이질적인 형식에 분산되어 있으며, 언어 모델 학습을 위한 통합 코퍼스로 정리되지 않은 상태이다. 본 논문에서는 이러한 분산된 자원들을 소분자, 단백질, 유전체 서열, 세포, 경로를 아우르는 통합된 학습 준비 형태로 변환한 526억 토큰 규모의 사전학습 코퍼스인 TheBioCollection을 소개한다. TheBioCollection은 기존 데이터를 통합하는 것을 넘어, 도구 기반으로 계산된 생물학적 속성으로 각 레코드를 풍부하게 하고, 현존 코퍼스가 거의 다루지 못하는 역량을 위한 새로운 인스트럭션 태스크를 도입한다. 본 코퍼스와 함께, 분자·단백질·유전체·세포·교차 도메인 환경에서의 인식, 생성, 예측을 검증하는 매칭된 평가 스위트인 TheBioCollection-Eval을 제공한다. 기반 모델인 Gravity-16B-A3B 아키텍처를 고정한 상태에서 TheBioCollection으로 학습하면 TheBioCollection-Eval의 전체 점수가 두 배 이상 향상되고 모든 도메인에서 성능 향상이 나타나는 반면, 일반 언어 능력은 거의 그대로 유지된다.

arXiv:2607.05456v1cs.AI

Prompt-to-Paper: 생물정보학을 위한 에이전틱 AI 시스템

Prompt-to-Paper: Agentic AI System for Bioinformatics

생물정보학 논문 자동 생성 시스템인 Prompt-to-Paper는 섹션 인식 RAG 파이프라인으로 60~100편의 검증된 문헌에 모든 주장을 근거시키고, 자율 코딩 에이전트가 실제 계산 생물학 실험을 실행하여 조작된 수치를 대체하며, 8차원 품질 채점기 기반의 반복 개선 루프를 통해 논문 품질을 평균 +17.96점 향상시킨다. 다섯 가지 생물정보학 사례 연구에서 범위 외 인용이 없는 제출 형식 PDF를 편당 약 $0.31에 생성하였으며, 인간 검토자 평가에서 평균 7.0/10점을 기록하였다.

arXiv:2506.02212v2cs.CL

자연어 처리를 활용한 생명의 신비 규명: 유전체학, 전사체학, 단백질체학에서의 NLP 접근법 리뷰

Leveraging Natural Language Processing to Unravel the Mystery of Life: A Review of NLP Approaches in Genomics, Transcriptomics, and Proteomics

자연어 처리(NLP)는 인간 언어를 위해 개발된 기법을 생물학적 서열 분석에 적용함으로써 언어학을 넘어 다양한 분야를 변혁시켜 왔다. 본 리뷰는 유전체학, 전사체학, 단백질체학에 초점을 맞추어 생물학적 서열 데이터에 대한 NLP 방법론의 적용을 탐구한다. word2vec과 같은 고전적 접근법부터 트랜스포머(transformer)와 하이에나 연산자(hyena operator)를 활용한 고급 모델에 이르기까지, 다양한 NLP 방법이 DNA, RNA, 단백질 서열 및 전체 유전체 분석에 어떻게 적용되고 있는지를 살펴본다. 또한 토큰화 전략과 모델 아키텍처를 검토하여 각각의 강점, 한계, 그리고 다양한 생물학적 과제에 대한 적합성을 평가한다. 나아가 구조 예측, 유전자 발현, 진화 분석 등 생물학적 데이터에 대한 NLP 응용의 최근 발전을 다루며, 대규모 유전체 데이터로부터 유의미한 통찰을 추출하는 데 있어 이러한 방법들의 잠재력을 강조한다. 언어 모델이 계속 발전함에 따라, 이를 생물정보학에 통합하는 것은 생명의 모든 영역에서 생물학적 과정에 대한 이해를 심화시키는 데 있어 막대한 가능성을 지닌다.

arXiv:2606.26563v1q-bio.GN

scBench-Long: 장기 단일세포 생물학의 검증 가능한 벤치마킹

scBench-Long: Verifiable Benchmarking of Long-Horizon Single-Cell Biology

장기 단일세포 생물학을 위한 scBench-Long 벤치마크를 제안하며, 에이전트가 정해진 방법 없이 원시 또는 준-원시 데이터에서 흑색종 CD8 T세포 반응성, RNA+ATAC 조절, COVID-19 폐 병리 등 21개 과제의 과학적 결론을 복원하는지 결정론적 채점과 궤적 루브릭으로 평가한다. 1,068개 완료 궤적에서 최고 성능 모델-하네스 쌍도 63회 실행 중 16회(25.4%)만 통과해, 현재 에이전트가 국소 분석을 넘어 단일세포 데이터로 뒷받침되는 복잡한 주장을 내기에는 여전히 어렵다는 점을 보여준다.

arXiv:2606.20839v1cs.AI

장기 실행 생물정보학 워크플로를 위한 프로세스-보상 전술 진화

Process-Reward Tactic Evolution for Long-Horizon Bioinformatics Workflows

대규모 언어 모델(LLM) 에이전트는 코드를 작성하고 도구를 호출할 수 있지만, 신뢰할 수 있는 생물정보학 작업은 워크플로 소프트웨어, 타입이 지정된 데이터 객체, 출처 추적(provenance), 생물학적 검증과의 장기 실행 상호작용을 요구한다. 우리는 Galaxy 워크플로 실행을 통해 이 설정을 연구한다. 에이전트는 작업 데이터를 탐색하고, 실행 가능한 워크플로 방향성 비순환 그래프(DAG)를 구성하거나 적응시키며, 입력과 데이터셋 컬렉션을 바인딩하고, 실행을 모니터링하고, 실패를 디버깅하며, 생물학적 출력을 검증해야 한다. 검증된 워크플로 롤아웃을 재사용 가능한 전술(tactics)로 변환하는 Galaxy 기반 학습 프레임워크인 Process-Reward Tactic Evolution을 제안한다. 학습 중 에이전트는 Agent Gym에서 커리큘럼으로 구성된 Galaxy 작업을 연습하고, 프로세스 검증기가 워크플로 구성, 소프트웨어 상호작용, 실행, 생물학적 정확성을 채점하며, 성공 및 실패 추적을 전술 라이브러리로 증류한다. 추론 시 학습된 실행기 Process-Reward Tactic Evolution은 이 라이브러리를 사용하여 격리된 환경에서 보류(hold-out)된 동료 검토(peer-reviewed) Galaxy 워크플로에서 변환된 BioWorkflowBench 및 BioAgentBench 작업을 실행한다. 본 논문은 프로세스 감독(process-supervised) 전술 축적이 무기억(no-memory) 및 반성(reflection) 방식 베이스라인 대비 장기 실행 생물정보학 워크플로 완료, 생물학적 정확성, 실행 효율성을 개선하는지 평가한다.

arXiv:2606.20174v1cs.LG

다중 암 조기 발견(MCED)을 위한 세포 없는 DNA(cfDNA) 분석의 계산 방법론 및 과제

Computational Methods and Challenges in Cell-Free DNA Analysis for Multi-Cancer Early Detection

세포 없는 DNA(cfDNA)는 단일 채혈을 통해 여러 암을 동시에 감지할 수 있고, 특히 현재 확립된 검진 프로그램이 부족한 암에 대해 높은 민감도를 보인다는 점에서 비침습적 다중 암 조기 발견(MCED)을 위한 유망한 접근 방식입니다. 여기서 우리는 2022년부터 2025년 사이에 개발된 cfDNA 기반 MCED를 위한 계산 방법론을 검토합니다. 우리는 초기 단계의 암을 감지하기 위해 프래그먼토믹스(fragmentomics)와 후성유전학적 특징이 어떻게 추출되고 분석되는지에 초점을 맞춥니다. 우리는 먼저 cfDNA 신호의 생물학적 기전을 간략히 개요한 다음, 오토인코더 기반 모델을 포함한 심층 학습 프레임워크와 함께 고전 통계 및 기계 학습 접근법을 검토합니다. 각 방법에 대해 생물학적 해석 가능성, 검증 전략, 임상 통합 준비 상태에 대해 논의합니다. 또한, 해당 분야의 미해결 문제를 개략적으로 설명하면서 현재의 과제를 기술적, 계산적, 방법론적 측면으로 분류합니다. 이 리뷰는 멀티모달 앙상블 접근법이 임상 통합을 위한 가장 강력한 가능성과 가장 높은 준비 상태를 가지고 있음을 보여줍니다. 그러나 미래 연구에 대한 더 나은 평가와 직접 비교를 위해서는 평가 프로토콜과 결과 보고의 표준화가 중요할 것입니다.

arXiv:2601.12805v4q-bio.GN

SciHorizon-GENE: 유전자 지식에서 기능적 이해로의 생명과학 추론을 위한 LLM 벤치마킹

SciHorizon-GENE: Benchmarking LLM for Life Sciences Inference from Gene Knowledge to Functional Understanding

유전자 수준 지식에서 기능적 이해로의 추론 능력을 체계적으로 평가하기 위해 권위 있는 생물학 데이터베이스로 구축한 대규모 유전자 중심 벤치마크 SciHorizon-GENE를 제안하며, 19만 개 이상 유전자와 54만 개 이상 질문으로 연구 관심도 민감도, 환각 경향, 지식 완전성, 문헌 영향력 네 관점에서 LLM을 평가한다. 범용·생물의학 LLM 27종 평가 결과 유전자 수준 추론 능력의 큰 이질성과 충실·완전·문헌 기반 기능 해석 생성의 지속적 한계가 드러났다.

arXiv:2606.11830v1cs.AI

의학 연구 분석을 위한 스킬 증강 AI 에이전트: 비소세포폐암 전사체 바이오마커 과제에서의 탐색적 다중 모델 인간 평가

Skill-Augmented AI Agents for Medical Research Analysis: An Exploratory Multi-Model Human Evaluation in an NSCLC Transcriptomic Biomarker Task

의학 연구 분석에서 스킬 증강 AI 에이전트(Skill-Augmented AI Agents)가 기본 모델보다 더 높은 품질의 결과를 생성하는지 비소세포폐암 바이오마커 과제를 통해 탐색적 평가를 수행했습니다. 스킬 증강 출력이 전문가 평가에서 방향적으로 더 높은 품질을 보였으나 통계적 유의성은 없었고 신뢰성 제어가 강화된 대규모 평가의 필요성을 제시했습니다.