1250 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.
Deze paper introduceert TOB-QMC, een snelle en statistisch consistente quartet-gebaseerde methode binnen TREE-QMC die de reconstructie van de 'tree of blobs' onder het netwerkmultispecies-coalescentmodel mogelijk maakt voor grotere datasets dan bestaande methoden zoals TINNiK.
MANTIS is een nieuw statistisch framework dat ruimtelijke metabolomics en transcriptomics data integreert om met behulp van geavanceerde ruimtelijke statistieken specifieke gen-metaboliet relaties en ruimtelijke patronen te ontdekken, terwijl het rekening houdt met verstorende factoren.
In dit artikel presenteren de auteurs DETANGO, een nieuw deep learning-framework dat mutatie-effecten op eiwitstabiliteit en -functie ontrafelt door stabiliteitscomponenten te verwijderen, waardoor nauwkeurig functioneel kritieke residuen en stabiele maar inactieve varianten kunnen worden geïdentificeerd voor rationeel eiwitontwerp.
Dit artikel introduceert SpaMOAL, een grafgebaseerde contrastieve leermethode die ruimtelijke coördinaten, histologische beeldkenmerken en moleculaire profielen integreert om nauwkeurige ruimtelijke weefselgebieden te identificeren in multi-omics data.
Deze studie introduceert een optimal transport-gebaseerd raamwerk dat, toegepast op longitudinale single-cell RNA-seq-data, de dynamische differentiatie en migratie van CD8 T-cellen tijdens een virale infectie in kaart brengt en experimenteel valideert hoe specifieke regulatoren zoals AP4 en CD52 bepalen of cellen circulerend of weefselresident worden.
Dit artikel introduceert *keju*, een hiërarchisch statistisch model dat de inferentie in Massively Parallel Reporter Assays (MPRAs) aanzienlijk verbetert door batch- en modale onzekerheid te modelleren, wat resulteert in een hogere gevoeligheid en een robuustere controle van valse positieven dan bestaande methoden.
Deze studie evalueert en vergelijkt verschillende filtergebaseerde feature screening-methoden voor het analyseren van hoogdimensionale omics-data, waarbij BcorSIS wordt geïdentificeerd als de meest effectieve en rekenkundig efficiënte methode voor het selecteren van informatieve biomoleculen in machine learning classificatiemodellen.
Deze studie introduceert en valideert AI-gedreven biomarkers voor 'verouderingsresilientie' bij niet-menselijke primaten, waarbij wordt aangetoond dat niet-lineaire modellen beter voorspellend zijn voor sterfte dan modellen die puur gericht zijn op het voorspellen van de chronologische leeftijd.
Dit onderzoek presenteert een systeembiologische aanpak die transcriptoomdata combineert met ligand- en structuurgebaseerde prioritering om TLR5-activerende moleculen te genereren en experimenteel te valideren, waardoor de afhankelijkheid van traditionele in silico-methoden wordt overwonnen en de faalratio in de vroege fase van medicijnontwikkeling wordt verlaagd.
Dit paper introduceert GAIA, een informatie-geometrisch framework dat de theoretische misalignering van bestaande methoden oplost door cellen als multinomiale verdelingen te behandelen, waardoor het zowel discrete aanwezigheids-/afwezigheidseffecten als continue expressievariatie in single-cell en ruimtelijke transcriptomics effectief verenigt.