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.
Dit artikel introduceert het ProtGenesis-raamwerk, dat de deterministische ontstaan van eiwitten beschrijft als een fysisch proces dat wordt gestuurd door drie universele principes en zo een interpreteerbare wiskundige basis biedt voor het ontcijferen van de 'black box' van deep learning-modellen.
Dit artikel introduceert SPrOUT, een nauwkeurige en efficiënte bio-informatica-pipeline die gebruikmaakt van Angiosperms353-targetsequencing en HybPiper-assembly om plantensoorten in gemengde DNA-monsters, zoals die in ecologisch onderzoek en voedselproducten, betrouwbaar te identificeren.
Deze studie introduceert TopRepo, de eerste uitgebreide repository met meer dan 18 miljoen top-down massaspectra, die dient als cruciale bron voor pan-dataset analyses en het trainen van deep learning-modellen voor nauwkeurige proteoform-identificatie en spectrale voorspelling.
CellAwareGNN is een nieuw grafisch fundamenteel model dat single-cell genomica integreert in een uitgebreide kennisgrafiek om de nauwkeurigheid en biologische interpretatie van voorspellingen voor drughergebruik, met name bij auto-immuunziekten, aanzienlijk te verbeteren.
Deze pan-kankerstudie toont aan dat machine learning-modellen, getraind op de samenstelling van het tumormicro-omgeving, driver-mutaties met hoge nauwkeurigheid kunnen voorspellen op basis van bulk-transcriptoomdata, wat wordt bevestigd door externe validatie over verschillende platformen.
MetaTracer is een nauwkeurig, nucleotide-gebaseerd framework dat metatranscriptoomdata in één stap toewijst aan zowel bacteriële taxa en tot expressie gekomen genen, waardoor het mogelijk wordt om soortspecifieke transcriptie-activiteit in complexe microbiële gemeenschappen te analyseren.
Dit artikel introduceert GlycoForge, een open-source Python-pakket dat realistische glycomics-data met bekende grondwahrheid genereert voor het rigoureuze benchmarken van analytische methoden, inclusief het simuleren van specifieke effecten, batch-variaties en ontbrekende waarden.
Dit onderzoek presenteert een hoogwaardige *de novo* genoomassemblage van de Ethiopische gewasensoet *Ensete ventricosum* (Mazia), waardoor een uniek genoom van ongeveer 25% wordt onthuld dat verschilt van bananen en nieuwe mogelijkheden biedt voor gerichte veredeling.
Dit artikel introduceert HMOTP, een innovatief machine learning-framework dat hiërarchische kenmerkconstructie, multi-level attention-mechanismen en transfer learning combineert om op basis van beperkte longitudinale multi-omics-data nauwkeurige voorspellingen te doen voor individuele patiënttrajecten na fecale microbiota-transplantatie.
Deze studie presenteert een interpreteerbaar, tijdsstratificatie-model dat transcriptomische veranderingen uit RNA-sequencing koppelt aan kwantitatieve veranderingen in kernmorfologie na blootstelling aan lage doses straling, met als doel de onderliggende biologische mechanismen te onthullen.