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.
GRASP is een geavanceerd grafisch neuronaal netwerk dat RNA-subcellulaire lokalisatie nauwkeuriger voorspelt door een heterogene grafische representatie te gebruiken die zowel nucleotiden als secundaire structuursubstructuren integreert, waardoor het de beperkingen van eerdere sequentie-gebaseerde methoden overwint en biologisch interpreteerbare inzichten biedt.
RevelioPlots is een open-source interactieve webapplicatie die de kwaliteitsbeoordeling van AI-gedreven eiwitstructuren vereenvoudigt door statistische pLDDT-analyse te combineren met een interactieve Ramachandran-plot, waardoor onderzoekers betrouwbaarheid en stereochemische haalbaarheid direct kunnen visualiseren en interpreteren.
Deze paper introduceert de Regionale Co-occurrence Entropie (RCE), een nieuwe ruimtelijke entropiemeting die de interactie tussen categorieën en hun omgeving kwantificeert, met toepassing in uiteenlopende velden zoals ruimtelijke biologie, stedenbouw en ecologie.
Deze paper introduceert EnzPlacer, een contrastief leeralgoritme dat enzymfuncties voorspelt door onbekende sequenties nauwkeurig te positioneren binnen de bekende functionele ruimte, zelfs wanneer de exacte vierde EC-nummer ontbreekt in de trainingsdata.
BioGraphX-RNA is een interpreteerbaar, op biophysica gebaseerd grafiekframework dat door het integreren van sequentie- en structuureigenschappen state-of-the-art prestaties bereikt bij het voorspellen van RNA-subsellulaire lokalisatie, met een opmerkelijke generalisatie over soorten en inzichtelijke mechanistische inzichten.
Dit onderzoek introduceert een schaalbaar, genomisch opgelost raamwerk dat populatie-specifieke MAG's gebruikt om duizenden nieuwe darmsoorten te ontdekken en de Genome Unit Number (GUN) te ontwikkelen, waardoor sub-specifieke diversiteit kan worden gekwantificeerd en nieuwe ziekteassociaties worden onthuld die op het taxonomische niveau van soorten onzichtbaar blijven.
Dit artikel introduceert een Bayesiaans raamwerk voor oriëntatiebepaling in cryo-EM dat, door gebruik te maken van een MMSE-schatter, de reconstructie-accuraatte verhoogt, modelbias vermindert en de analyse van structurele heterogeniteit aanzienlijk verbetert, vooral onder omstandigheden met een laag signaal-ruisverhouding.
Dit paper introduceert O_SCPLOWARCANEC_SCPLOW, een sneller algoritme voor foutcorrectie en genexpressiekwantificatie in single-cell RNA-sequencing dat voortbouwt op de Fourway-methode en een efficiëntere indexering voor read-to-gene mapping biedt.
Dit artikel introduceert ProtBFF, een encoder-onafhankelijk raamwerk dat interpreteerbare biofysische priors via cross-embedding attention in residue-level deep learning-representaties injecteert om de nauwkeurigheid en betrouwbaarheid van ΔΔG-predicties voor eiwitengineering te verbeteren.
Dit paper introduceert UNISON, een schaalbaar raamwerk voor variatie-inferentie dat de 'skip-zeros'-techniek gebruikt om efficiënt en interpreteerbaar latentere structuren te onthullen uit miljoenen cellen in grote, zeer schaarse single-cell transcriptomics-datasets zonder de nulwaarden expliciet te hoeven verwerken.