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.
Cellects is een gebruiksvriendelijke, open-source software voor de geautomatiseerde kwantificatie van biologische groei, beweging en morfologie uit 2D-beeldgegevens, die zowel interactieve analyse via een grafische interface als uitgebreide aanpassing via een Python-API mogelijk maakt.
Deze paper introduceert DeepEST, een multimodaal deep learning-framework dat genexpressie, genlocatie en eiwitstructuur integreert om de functie van bacteriële eiwitten nauwkeuriger te voorspellen dan bestaande methoden.
Deze studie introduceert een nieuw, structuurgebaseerd raamwerk dat gebruikmaakt van voorspellingen van eiwitstructuren om de specifieke kenmerken en klievingsplaatsen van ADAM10-substraten te classificeren en te voorspellen.
Deze studie presenteert het eerste systematische profiel van diverse stamcel-organoiden met behulp van de subcellulaire ruimtelijke transcriptomics-technologie Stereo-seq, inclusief optimalisatie van de methode en een nieuw analysekader voor regionale karakterisering.
Dit onderzoek toont aan dat het negeren van epistatische interacties in lineaire modellen voor genomische associatiestudies (GWAS) kan leiden tot vertekende teststatistieken en vals-positieve resultaten, wat voorzichtigheid vereist bij het interpreteren van bestaande bevindingen.
STELAR-X is een nieuw, statistisch consistent algoritme dat de schaalbaarheid van coalescentie-gebaseerde inferentie van soortbomen tot 100.000 soorten en meer mogelijk maakt door een herontworpen computerramwerk met compacte datastructuren en GPU-parallellisme, wat resulteert in aanzienlijk snellere verwerkingstijden en lager geheugengebruik dan bestaande methoden zoals ASTRAL.
Dit artikel introduceert BacTaxID, een universeel en schaalbaar k-mer-gebaseerd raamwerk dat bacteriële genomen omzet in numerieke schetsen om een gestandaardiseerde, genus-onafhankelijke classificatie te bieden die nauwkeurig correleert met gemiddelde nucleotide-identiteit (ANI) en traditionele typingsmethoden vervangt.
Dit paper introduceert Protenix-v1, het eerste volledig open-source model dat AlphaFold3 overtreft door middel van inference-time schaling, uitgebreide RNA- en template-ondersteuning, en een grotere dataset, terwijl het tegelijkertijd de benchmarking-praktijken voor biomoleculaire structuurvoorspelling verbetert.
Dit onderzoek toont aan dat ontstekingsprocessen in de mond de microbiële gemeenschap herstructureren door koolhydraat-afhankelijke commensalen te vervangen door metabolisch aangepaste ontstekingsliefhebbers, wat een kader biedt voor microbiome-gerichte therapieën.
Deze studie toont aan dat genealogische schattingsfouten (GTEE) een sterkere negatieve invloed hebben op de nauwkeurigheid van soortenstambomen dan onvolledige lijnsortering (ILS), omdat GTEE uniforme ruis genereert die niet afneemt met meer genen, terwijl ILS een gestructureerde vertekening veroorzaakt.