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 Cassette2Vec-EC, een machine-learningframework dat genomische eilanden in *Enterococcus cecorum* vertaalt naar overdraagbare cassette-eenheden om pathogene lijnen nauwkeurig te voorspellen en specifieke risicomodules te identificeren voor verbeterde pathogeenbewaking.
Folddisco is een snelle, efficiënte en nauwkeurige softwaretool die de zoektocht naar structurele motieven in grote verzamelingen van 53 miljoen eiwitstructuren mogelijk maakt door gebruik te maken van een geïndexeerd systeem op basis van positie-onafhankelijke geometrische kenmerken.
Deze paper introduceert een formeel raamwerk en een efficiënt lineair algoritme voor het afleiden van syntenieblokken direct uit sequentiegegevens door het minimaliseren van het aantal blokken en de totale genomische lengte zonder rearrangementen te verhullen.
AptaBLE is een diep learning-platform dat de ontdekking van aptamers versnelt door hun binding aan eiwitten te voorspellen en nieuwe, hoogaffine aptamers te genereren, waardoor de ontwikkeling van therapeutische en diagnostische toepassingen wordt bevorderd.
Dit artikel introduceert Embarrassingly_FASTA, een GPU-versnelde verwerkingspijplijn die de kosten en tijd voor het analyseren van genoomdata drastisch verlaagt, waardoor het economisch haalbaar wordt om ruwe DNA-gegevens te bewaren en op grote schaal te herverwerken voor toekomstige pangenoomstudies.
ProteoMapper is een computergestuurde framework die domeinannotatie en motiefdetectie integreert om de ruimtelijke relaties en evolutionaire beperkingen van contextuele motief-domeinpatronen in proteïnefamilies te kwantificeren en te visualiseren zonder programmeerkennis.
Het artikel introduceert iDLC, een interpreteerbaar deep learning-kader dat gebruikmaakt van expliciete feature-disentangling en optimale transport voor het nauwkeurig en schaalbaar corrigeren van batch-effecten in single-cell RNA-sequencing-data, terwijl het biologische integriteit en zeldzame celpopulaties behoudt.
TSUMUGI is een platform dat gebruikmaakt van data van het International Mouse Phenotyping Consortium om op basis van fenotypes gennetwerken te identificeren, waardoor onderzoekers complexe organismale fenotypes systematisch kunnen interpreteren en hypothesen kunnen genereren.
Deze studie introduceert een nieuwe, schaalbare en interpreteerbare methode op basis van een Bayesiaanse kwantiel-neuraal netwerk (Q-FSNet) en zijn uitbreiding Q-DirichNet om op basis van data uit de Canadese Longitudinale Studie op Veroudering 25 metabole biomerkers te identificeren die een 'fysiologisch sweet spot' vertonen waar biologische veroudering wordt geminimaliseerd.
De auteurs introduceren OT-knn, een robuust framework dat optimale transport koppelt aan lokale buurmaninformatie om ruimtelijke transcriptomics-data van verschillende weefsels, individuen en ontwikkelingsstadia nauwkeurig te aligneren ondanks ruis en geometrische vervormingen.