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 PALM, een deep-learningmodel dat pretrained eiwit-taalmodel-embeddings gebruikt om peptide-aggregatie te voorspellen, en toont aan dat deze aanpak effectief is bij beperkte datasets maar voor het voorspellen van mutatie-effecten grotere datasets vereist.
Het artikel introduceert Floco, een methode die netwerkvloei-optimisatie toepast op aligneringen in een genoomgraf om de nauwkeurigheid van copy number-bepaling aanzienlijk te verbeteren ten opzichte van traditionele lineaire referentie-gebaseerde benaderingen.
De auteurs presenteren bronko, een ultrasnel, uitlijningsvrij framework geschreven in Rust dat schaalbaar is voor het detecteren van virale variaties in grote datasets met hoge precisie en zonder de computatielast van traditionele uitlijningsmethoden.
Deze studie introduceert een browsergebaseerd platform dat genomische methylatie- en transcriptiedata integreert om tumortype-specifieke DNA-methylatie-biomarkers te identificeren, wat leidt tot robuuste validatie met MSRE-qPCR voor de detectie van diverse kankers, waaronder colorectale kanker en hepatocellulair carcinoom.
Het artikel introduceert CoMR, een geïntegreerde scoring-pijplijn die mitochondriale proteoomreconstructie in eukaryoten verbetert door doeltreffende targeting-predictie te combineren met homologie- en fylogenetische analyses, wat leidt tot een aanzienlijk betere prestatie dan bestaande methoden, zowel bij modelorganismen als bij evolutionair afwijkende soorten.
Dit paper introduceert DemuxHMM, een geïntegreerd experimenteel en computationeel framework dat recombination barcoding en Hidden Markov-modellen combineert om de demultiplexing van grote, individueel opgeloste single-cell RNA-sequencing datasets over vele tijdstippen mogelijk te maken.
Dit paper introduceert RSTG, een robuust autoencoder-model dat gebruikmaakt van beta-divergentie om hoogwaardige, realistische ruimtelijke transcriptomics-data te genereren en effectief om te gaan met ruis en uitbijters.
OligoGraph is een nieuw, op grafen gebaseerd deep learning-model dat de werkzaamheid van siRNA's voor RNAi-therapieën nauwkeuriger voorspelt dan bestaande methoden, zelfs bij onbekende data en variabele lengtes.
Deze studie onthult dat condensaat-gedreven transcriptiereprogramming, aangedreven door intrinsiek ongeordende eiwitten zoals TOPBP1 en CHERP, een fundamenteel kwetsbaar punt vormt voor de overleving van tumorcellen bij slokdarm- en maagkanker.
Dit artikel introduceert een geïntegreerde gelijkenis-score (ISS) die verschillende expressie-maatstappen combineert op basis van functionele annotaties om de nauwkeurigheid van het vinden van vergelijkbare genen te verbeteren en de functies van ongeclassificeerde gistgenen te voorspellen.