1235 papers
Bio-informatica is de fascinerende brug tussen biologie en datawetenschap. In dit veld helpen onderzoekers computers om enorme hoeveelheden biologische informatie te ontcijferen, van het decoderen van ons DNA tot het begrijpen hoe virussen muteren. Het is de motor achter veel moderne doorbraken in de gezondheidszorg en de ecologie, waarbij complexe patronen in levende systemen worden vertaald naar bruikbare inzichten.
Op Gist.Science maken we de nieuwste ontdekkingen in dit vakgebied toegankelijk voor iedereen. Wij verwerken elke nieuwe preprint die wordt gepubliceerd op bioRxiv, de belangrijkste bron voor nog niet-peer-reviewed onderzoek in de levenswetenschappen. Voor elk document bieden we zowel een duidelijke, alledaagse uitleg als een gedetailleerde technische samenvatting, zodat u snel de kern begrijpt zonder vast te lopen in jargon.
Hieronder vindt u de meest recente bijdragen uit de wereld van bio-informatica, zorgvuldig samengevat voor u.
Door klinische en moleculaire data te integreren, identificeert dit onderzoek LRRN4CL als een nieuwe marker voor verminderd myocardiaal herstel na LVAD-implantatie, waarbij het gen direct gelinkt wordt aan defecten in de calciumhuishouding en contractie van hartspiercellen.
Deze studie onderzoekt de relatie tussen het darmmicrobioom en diverse ziekten door middel van machine learning, waarbij boomgebaseerde ensemblemethoden zoals XGBoost de hoogste nauwkeurigheid behaalden bij het classificeren van complexe microbiële data.
Dit onderzoek toont aan dat hoewel menselijke fundatiemodellen zoals RETFound succesvol kunnen worden aangepast voor het schatten van de leeftijd van ratten via OCT-scans, sterke CNN-baselines (zoals Xception) in deze data-arme context van de ruimtebiologie nog steeds betere prestaties leveren.
AlphaUnfold is een geautomatiseerde pijplijn die AlphaFold3-modellen onderwerpt aan korte simulaties met hoge druk om de structurele robuustheid en fragiliteit te testen, waarbij een sterke correlatie wordt aangetoond tussen lage betrouwbaarheidsscores (pLDDT) en structurele instabiliteit.
De auteurs betogen dat nieuwe benchmarks nodig zijn om de waarde van AI-modellen voor wetenschappelijke ontdekkingen te meten, en presenteren het evaluatiekader PerturbHD om dit aan te tonen.
Deze paper introduceert COSMOS+, een interpreteerbaar raamwerk dat data-gedreven multi-omics factoranalyse combineert met mechanistische kennis om causale signaalroutes te modelleren en actieerbare inzichten te genereren over ziektemechanismen zoals resistentie tegen borstkanker.
Dit onderzoek toont aan dat een aangepaste lineaire transformer-neurale netwerkarchitectuur selectiedrukken op eiwitsites snel en nauwkeurig kan voorspellen, mits het model is getraind op datasets die representatief zijn voor de empirische data, hoewel de prestaties afnemen bij minder vergelijkbare datasets.
Dit artikel presenteert een nieuw, generiek algoritme dat Oxford Nanopore-ampliconlezingen gebruikt om nauwkeurig allelen te reconstrueren en diplotypes te bepalen zonder voorafgaande kennis van het doelgen, wat succesvol is aangetoond voor de complexe CYP2D6-genenfamilie en het HLA-gebied.
Het paper introduceert H2O, een algemeen AI-framework dat met behulp van Vision Transformers en Large Language Models routinematige H&E-histopathologie afbeeldingen omzet in nauwkeurige ruimtelijke transcriptomics- en proteomics-profielen, waardoor kostbare moleculaire profilering overbodig wordt en schaalbare, geïntegreerde weefselatlassen mogelijk worden.
Verticall is een snelle en robuuste open-source tool die recombinatie in grote bacteriële genoomdatasets (tot duizenden genomen) efficiënt detecteert en schaalbare, recombinatievrije fylogenetische bomen genereert, waarbij het presteert op of boven het niveau van bestaande methoden zoals Gubbins en ClonalFrameML.