읽어볼 논문

 

# single-cell

1. Cell2Sentence: Teaching Large Language Models the Language of Biology

# RAG

RAG-Enhanced Collaborative LLM Agents for Drug Discovery

1. https://arxiv.org/pdf/2502.17506

 

#PRS

1. https://pubmed.ncbi.nlm.nih.gov/37024668/

 

# drug response

1. Machine learning approaches to drug response prediction: challenges and recent progress
2. https://pmc.ncbi.nlm.nih.gov/articles/PMC9975164/
3. https://academic.oup.com/bioinformaticsadvances/article/4/1/vbae010/7582332
4. https://www.nature.com/articles/s44386-025-00027-0

5. https://pmc.ncbi.nlm.nih.gov/articles/PMC11828915/#CR7

 

 

#수업

 1. Revisiting genome-wide association studies from statistical modelling to machine learning 

(https://academic.oup.com/bib/article/22/4/bbaa263/5943789)

2.  Pharmacogenomics polygenic risk score for drug response prediction using PRS-PGx methods

(https://www.nature.com/articles/s41467-022-32407-9.pdf)

 

 

# 신개념

1. Cold-Start Recommendation with Knowledge-Guided Retrieval-Augmented Generation
(https://arxiv.org/abs/2505.20773)

- cold start 문제, 추천시스템에서의 고질적인 문제가 데이터가 부족한 신규 이용자에게 얼마나 더 정확한 추천 시스템을 만들 수 있을까.

- KG 기반의 RAG 를 통해 제안한 파이프라인을 통해

• sparse 데이터 분제 해결
• zero shot 해결
• 할루시네이션 해결
• update가 쉽다.

라는게 장점이라는데, 왜 그런지는 이해가 안되서 좀더 자세히 봐야함.

특히 hub나 잘 이해한 item에서 어떻게 잘 펴향을 극복했다는건지가 이해가 안되서.ㅇ

 

# 공부할 리뷰 논문

1. glm 임베딩 해석 논문: https://www.nature.com/articles/s41588-025-02347-3

2.  EmerGNN

3. RoG

4. GNN-RAg

5. KG-LLM