1018 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.
Het artikel introduceert *repare*, een open-source softwaretool die automatisch oude stambomen reconstrueert uit paargewijze verwantschapsrelaties met behulp van iteratieve bemonstering en snoeien, wat een flexibel, fouttolerant alternatief biedt voor handmatige reconstructie dat gebruikersbeperkingen en hulpprogramma's kan incorporeren.
Dit artikel presenteert een deep learning-framework dat gebruikmaakt van positive-unlabeled learning om de identificeerbaarheid van kleine molecuul MS2-spectra te voorspellen op basis van hun MS1-context en acquisitieparameters, waardoor de uitdaging van ontbrekende negatieve labels effectief wordt overwonnen om acquisitiebeslissingen te sturen en metabolietidentificatie te verbeteren.
Deze studie onthult dat de microbiële gemeenschappen in de poolzeeën dienen als een voorheen over het hoofd geziene reservoir van diverse, koud-actieve polyester-afbrekende enzymen en volledige metabole paden, wat veelbelovende kandidaten biedt voor biologische sanering van plastics bij lage temperaturen.
Deze studie stelt een hybride stacking-bagging ensemble-framework voor dat klinische, genexpressie- en kopiegetalvariatiegegevens integreert om een superieure robuustheid en nauwkeurigheid (ROC AUC van 0,9355) te bereiken bij de prognose van borstkanker vergeleken met unimodale en conventionele stackingmodellen.
Dit artikel introduceert Boltz-sample, een systematische strategie voor het Boltz-2-model die conformationele sampling moduleert door latente paarrepresentaties uniform te herschalen, waardoor een efficiënte en transparante recuperatie van diverse alternatieve eiwittoestanden en ensemble-dekking mogelijk wordt zonder te vertrouwen op heuristische inputperturbaties.
Dit hoofdstuk biedt een uitgebreide gids in R voor het analyseren van klinische metabolomica- en proteomicadata, waarbij essentiële stappen worden behandeld van kwaliteitscontrole en differentiële expressie tot multi-omics integratie en netwerkgebaseerde verrijkingsanalyse voor biomarkerontdekking en systeemniveau ziektebegrip.
Het artikel introduceert In-Pocket, een kwantummechanische optimalisatiemethode die wordt gestuurd door experimentele data en die de chemische validatie en structurele betrouwbaarheid van eiwit-ligandcomplexen verbetert, met name in gevallen van onvoldoende experimentele resolutie of ambigue interactiechemie.
Dit artikel presenteert een nieuw heuristisch algoritme voor het NP-harde minimum flow decompositieprobleem dat vergelijking oplossende mechanismen uitbreidt om alle graafvergelijkingen gezamenlijk te modelleren, waardoor veilige samenvoegingsoperaties mogelijk worden die complexe grafen iteratief vereenvoudigen om bijna optimale oplossingen te bereiken die aanzienlijk sneller zijn dan integer lineaire programmeringsformuleringen.
Dit artikel presenteert een handmatig samengestelde database en een computationele pijplijn die de precieze, schaalbare annotatie van halogenerende enzymen over genomische en metagenomische data mogelijk maken, waardoor de ontdekking van de nog niet geëxploiteerde reservoir van microbiële gehalogeneerde natuurlijke producten in de natuur wordt gefaciliteerd.
Dit artikel presenteert Ultra-Content Screening (UCS), een nieuwe hoogdimensionele single-cell proteomica-methode die cyclische immunostaining gebruikt om tot 40 markers in 100.000 bloedcellen te analyseren, waarmee het zijn potentieel aantoont om ziektespecifieke immuunprofielen in acute myeloïde leukemie te onthullen voor verbeterde diagnostiek en gepersonaliseerde geneeskunde.