1012 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.
OpenAntigens is een gratis database zonder login die het ontwerp van antigeenconstructen voor het humane gescreteerde en celoppervlak-proteoom stroomlijnt door diverse structurele, topologische en vergelijkende gegevens te integreren in een verenigde, interactieve workflow om reproduceerbare en kruisreactiviteitsbewuste ontwerpsuggesties te genereren.
Dit artikel betoogt dat incomplete referentieprofielen bulkdeconvolutie-doelstellingen niet louter moeilijk schatbaar, maar onidentificeerbaar maken, waarbij wordt aangetoond dat standaard punt-schattingen vaak een gebrekkige dekking vertonen en biologische conclusies kunnen omdraaien, terwijl een nieuw raamwerk wordt voorgesteld dat prioriteit geeft aan gecertificeerde precisie, dekking en metrieken voor valse certificering boven eenvoudige shrinkage.
Het artikel introduceert MESIC, een methode die gecureerde genkennis integreert in een semantisch coördinatenstelsel om single-cell expressiedata te mappen naar interpreteerbare componenten, wat biologisch betekenisvolle clustering en annotatie van celtypen mogelijk maakt zonder afhankelijk te zijn van post-hoc interpretatie.
Het artikel introduceert LDDM, een uniek 3D generatief model dat de uitdagingen rond synthetische toegankelijkheid in drug discovery overwint door het snelle ontwerp van nieuwe, doelwit-specifieke kleine moleculen en peptiden mogelijk te maken, die experimenteel werden gevalideerd om een hoge bindingsaffiniteit en structurele nauwkeurigheid te bereiken over vijf eiwitdoelwitten.
Deze studie toont aan dat in virtuele ruimtelijke transcriptomica voorgetrainde genrepresentaties primair de voorspelling van de gemiddelde genexpressie over weefsels verbeteren in plaats van de ruimtelijke variatie, wat onthult dat cross-gen generalisatie meer wordt gedreven door brede expressieoverdracht dan door het herstel van specifieke ruimtelijke patronen.
Dit artikel evalueert systematisch de contrastieve leer-embeddings van DrugCLIP voor structuurgebaseerde virtuele screening, waarbij wordt onthuld dat hoewel de pocket-embeddings snelle en robuuste structurele gelijkeniszoekingen bieden en de ligand-embeddings pocket-bewuste chemische patronen met een sterke generalisatie naar onbekende targets vastleggen, de prestaties aanzienlijk worden beperkt door conformationele variaties en onnauwkeurigheden in voorspelde eiwitpockets.
Het artikel introduceert fDOG-Assembly, een nieuwe tool die gerichte, op feature-architectuur gebaseerde ortholoog-zoekopdrachten direct in ongeannoteerde genoomassemblages mogelijk maakt, waardoor de beperkingen van traditionele methoden die vertrouwen op vooraf geannoteerde proteomen worden overwonnen en nieuwe biologische inzichten worden onthuld, zoals de wijdverspreide potentie voor -lactam-biosynthese in springstaarten.
DiepPack-AbScan is een gratis, soort-agnostische webserver die onderzoekers die werken met niet-modelorganismen ondersteunt bij het identificeren van potentiële antilichaam-kruisreactiviteit door computationeel te screenen op epitoopsequentieconservering, waardoor kandidaten voor experimentele validatie worden geprioriteerd.
Het artikel introduceert TriGer, een triple-graph framework dat de beperkingen van gefragmenteerde paargewijze associaties in multi-omics data overwint door interpreteerbare, gecoördineerde vele-op-vele modules over moleculaire lagen heen te identificeren, waarbij de effectiviteit ervan wordt aangetoond in het herstellen van gestructureerde signalen in simulaties en het onthullen van ziektespecifieke biologische patronen in inflammatoire darmziekte en colorectaal carcinoom.
FORGE is een configureerbare, gecontaineriseerde Nextflow-pipeline die end-to-end single-nucleus multiome-analyse automatiseert door genexpressie- en chromatine-toegankelijkheidsgegevens te integreren voor de inferentie van regulatoire netwerken en differentiële testen, waardoor de schaalbaarheid, reproduceerbaarheid en biologische interpretatie over diverse datasets heen wordt verbeterd.