1209 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 ModCRElib, een zelfstandig pakket dat structurele informatie gebruikt om cis-regulatorische elementen te modelleren, inclusief het voorspellen van TF-DNA bindingsaffiniteit en het modelleren van hogere-orde regulatorische complexen.
Dit artikel introduceert RIMA, een nieuwe methode voor het kwantitatief vergelijken van transcriptomische atlassen tussen verschillende soorten met hoge resolutie, waardoor universele ontwikkelingsprincipes worden onthuld en voorspellingen van genexpressie mogelijk worden gemaakt.
Dit artikel introduceert de model-gestuurde virtuele screening (MGVS), een pipeline die generatieve structurele geneesmiddelenontwerpmodellen koppelt aan chemische vergelijkingsmethoden om synthetiseerbare analogen met vergelijkbare of betere bindingseigenschappen te identificeren, waardoor de screeningsefficiëntie tot 25 keer wordt verbeterd ten opzichte van standaardmethoden.
Dit artikel introduceert UnivAIRRse, een unificerend hiërarchisch raamwerk dat AIRR-simulatoren in een gedeeld conceptueel systeem organiseert om hun aannames en toepassingen systematisch te vergelijken, beperkingen in bestaande methoden in kaart te brengen en de weg te effenen voor reproduceerbare, klinisch toepasbare digitale tweeling-modellen van het adaptieve immuunsysteem.
Dit paper introduceert een nieuw grafisch raamwerk dat gestructureerde statistische verdelingen integreert in omics-data om zowel de voorspellende prestaties voor kankeruitkomsten te waarborgen als de biologische interpretatie van regelingsmodules te verbeteren.
Deze studie identificeert Indinavir als een veelbelovende remmer van het Chikungunya-virus door middel van drug hergebruik en moleculaire dynamica-simulaties die aantonen dat het de actieve site van het nsP2-enzym blokkeert.
BioGraphX is een interpreteerbaar framework dat subcellulaire lokalisatie voorspelt door sequentie-gebaseerde biochemische grafieken te combineren met ESM-2-embeddings, waardoor de noodzaak voor kostbare driedimensionale structuurbepaling wordt geëlimineerd en tegelijkertijd inzichten worden verkregen in de biophysica van eiwitlocalisatie.
Deze studie introduceert SLOPE, een onbewaakte methode die amyloïdprogressie bij de ziekte van Alzheimer op een continue schaal modelleert en zo een meer gevoelig en biologisch consistent inzicht biedt in vroege ziekteprogressie dan traditionele diagnostische groepen.
Deze paper introduceert een Monte Carlo-algoritme dat via on-the-fly vingerafdrukken direct de verzameling unieke k-mer-kleurensets construeert, waardoor de piekgeheugengebruik tijdens de indexering van grote microbiële datasets drastisch wordt verlaagd zonder tijdelijke schijfruimte.
Dit artikel toont aan dat een toezichtgeleerd convolutioneel auto-encoder-model, getraind op synthetische cryo-EM-afbeeldingen, in staat is om zonder pose-bepaling nauwkeurige 3D-atomaire coördinaten te voorspellen, wat een kwantitatief bewijs levert voor de koppeling van beeld- en structuurruimten om conformationele variabiliteit in cryo-EM snel te schatten.