1206 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.
Dit artikel introduceert KuPID, een methode die k-mer-schetsing gebruikt om lange RNA-seq-lezingen voor te verwerken, waardoor de snelheid van isoform-discovery met een factor 2-3 toeneemt en de nauwkeurigheid tot 16,7 punten verbetert door alleen relevante reads voor volledige uitlijning te selecteren.
GaugeFixer is een nieuw Python-pakket dat de interpretatie van modellen voor sequentie-functierelaties mogelijk maakt door de niet-identificeerbaarheid van parameters op een computerefficiënte manier met lineaire schaalbaarheid op te lossen.
Deze paper introduceert GFlowNet als een robuust alternatief voor versterkingsleer bij het genereren van therapeutische peptiden, dat door proportioneel bemonsteren van beloningen van nature een hoge structurele diversiteit behoudt en zo het veelvoorkomende probleem van mode-collapse oplost.
Deze studie introduceert een distillatiemethode voor grote eiwit-taalmodellen die, door het combineren van onzekerheidsbewuste positieweighting en kalibratiebewuste label-smoothing, compacte studenten creëert die sneller zijn, minder geheugen vereisen en op schaarste data beter presteren dan het oorspronkelijke model.
Dit paper introduceert ARCH3D, een fundamenteel model dat door middel van een nieuwe gemaskeerde locus-modelleringstak de globale driedimensionale genoomarchitectuur leert begrijpen en zo de basis legt voor het bouwen van een virtueel genoom.
Dit onderzoek toont aan dat RNA-foundationmodellen, gecombineerd met een nieuwe interpretatiemethode genaamd CA-IG, de generaliseerbaarheid en biologische betrouwbaarheid van endometriose-classificatie aanzienlijk verbeteren ten opzichte van traditionele machine learning-benchmarks.
PhyMapNet is een nieuw Bayesiaans framework dat fylogenetische informatie integreert om robuuste en reproduceerbare microbiomenetwerken te reconstrueren via een tuning-vrije consensusbenadering die de beperkingen van bestaande methoden overwint.
Dit artikel presenteert een groot internationaal competitie- en benchmarkresultaat dat leidde tot geavanceerde modellen voor het voorspellen van genregulatiepatronen uit longitudinale single-cell multimodale data, waardoor nieuwe inzichten werden verkregen in de interacties tussen chromatin, transcriptoom en proteoom.
Deze studie introduceert STRATA, een differentieel-geometrisch raamwerk dat ruimtelijke transcriptomics omzet in continue velden van regulonactiviteit om aan te tonen dat het melanoommicro-omgeving de koppeling tussen reguliere netwerken niet opheft maar homogeniseert, waardoor de complexe architectuur van menselijke huid wordt vereenvoudigd.
TopoMetry is een geometrie-bewust framework dat een geünificeerde aanpak biedt voor het leren en evalueren van de onderliggende structuur van single-cell data, waardoor het betrouwbaarder is dan bestaande methoden en nieuwe biologische inzichten oplevert.