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.
GeCCo introduceert een wiskundig onderbouwd raamwerk dat celidentiteit construeert via een hiërarchie van genprogramma's, waardoor de hiërarchische consistentie in single-cell transcriptomics wordt gewaarborgd en verborgen celstaten worden onthuld.
Deze studie toont aan dat pangenoomgrafieken voor *Escherichia coli* O157:H7 sterk variëren in structuur, schaal en nauwkeurigheid afhankelijk van de gebruikte representatiemethode en de kwaliteit van de input-assembly, wat impliceert dat deze tools niet uitwisselbaar zijn en zorgvuldig moeten worden geselecteerd.
Dit onderzoek introduceert een pocket-gecentreerd raamwerk dat aantoont dat het gebrek aan selectiviteit bij het ontwikkelen van liganden voor amyloïdfibrillen wordt veroorzaakt door de structurele gelijkenis van de meeste bindingszakken, en identificeert een beperkt aantal geïsoleerde zakken die potentieel bieden voor specifieke targeting.
Dit onderzoek toont aan dat DNA- en RNA-volgorde-eigenschappen van HIV-1 subtypes verschillend zijn en dat de k-mer-telling van een geïsoleerde stam een effectieve methode biedt om deze te classificeren en nieuwe subtypes te identificeren.
CellPace is een generatief model dat op basis van een transformer-gebaseerde tijdsdiffusie-architectuur continue ontwikkelingsdynamieken in single-cell data kan simuleren, interpoleren en voorspellen, zelfs bij onregelmatige bemonstering of ontbrekende tijdstippen.
De auteurs presenteren bionSBM, een nieuwe grafgebaseerde topic-modelleringstechniek die superieure prestaties en biologische interpreteerbaarheid biedt bij het clusteren van complexe single-cell multi-omics-data.
ITSxRust is een snellere en robuustere Rust-gebaseerde tool voor het extraheren van ITS-sequenties uit lange-read amplicon-sequencing-data, die door middel van geoptimaliseerde HMMER-zoeken en een partiële-kettingherstelstrategie een hogere extractiesnelheid en -opbrengst bereikt dan bestaande methoden zoals ITSx en ITSxpress.
Dit artikel introduceert POTTR, een combinatorisch algoritme dat gebaseerd is op partiële ordeningen om recurrente trajecten van genetische gebeurtenissen te identificeren in evolutionaire en ontwikkelingsprocessen, waarbij het expliciet rekening houdt met onzekerheid in fylogenetische data en toepasbaar is op zowel kanker- als embryonale datasets.
Deze studie introduceert een schaalbaar, microbioombewust raamwerk dat machine learning en genomische metabolische modellering combineert om synergistische combinatietherapieën voor darmkanker te voorspellen en te valideren, waarbij specifiek de metabolische interactie met bacteriën zoals *Fusobacterium nucleatum* wordt benut om nieuwe behandelingsstrategieën te ontdekken.
Deze studie toont aan dat sepsis gepaard gaat met een gecoördineerde transcriptomische herschikking van genen die betrokken zijn bij fagocytose en 'eet mij niet'-signalering, waarbij de downregulatie van CD47 en upregulatie van PRTN3 een diagnostisch signatuur vormen en de CD47-SIRP-as als een potentiële therapeutische doelwit voor sepsis naar voren komen.