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.
SuperCell2.0 is een robuuste workflow die semi-supervised multimodale metacellen bouwt om grote single-cell atlases te analyseren, waarbij het de integratie van multi-omics data verbetert en nieuwe inzichten biedt in immuuncel-populaties zoals interferon-geprimed monocyten.
Deze studie toont aan dat AlphaFold3 nucleotide-afhankelijke conformatieveranderingen van ABC-transporters succesvol kan voorspellen, waarbij de heterogeniteit van de voorspellingen correleert met experimentele dynamische data en zelfs nieuwe, eerder onwaargenomen conformaties onthult.
Dit artikel introduceert versie 1.2 van het within-host virus-simulatiekader wavess, dat is uitgebreid met een HLA-bewuste CD8+ T-lymfocyt-respons en variabele recombinatie om de evolutionaire dynamiek van virussen nauwkeuriger te modelleren.
Deze studie introduceert een contrastief leerframework dat heritabele, multimodale representaties van T1- en T2-gewogen MRI-scans leert, wat leidt tot betere voorspellingen van hersenkenmerken en een versterkte genetische alignatie tussen modaliteiten.
Dory is een robuust en gebruiksvriendelijk statistisch hulpmiddel dat ontwikkeld is om significante verschillen in de driedimensionale chromatinestructuur tussen twee groepen af te beelden op basis van beeldgebaseerde chromatinetracering, waardoor inzicht wordt verkregen in de relatie tussen genoomarchitectuur en genregulatie.
Deze studie toont aan dat een systematische analyse van meer dan 18 miljoen wetenschappelijke artikelen met 561 chemische probes leidt tot het identificeren van duizenden nieuwe doelwit-ziekteassociaties, vaak jaren voordat deze in gestructureerde databases verschijnen, en zo een cruciale rol speelt bij het valideren van therapeutische hypotheses en het ontdekken van nieuwe kansen voor medicijnhergebruik.
Deze studie demonstreert dat het gebruik van post-hoc uitlegmiddelen zoals SHAP cruciaal is om schijnbare prestaties van machine learning-modellen op kleine biologische datasets te analyseren, waardoor verborgen biases (zoals het herkennen van individuele muizen in plaats van weefselherstel) worden onthuld en waardevolle biologische inzichten kunnen worden gewonnen.
De auteurs presenteren DiCNN-UniK, een robuust en snel classificatiemodel voor flavivirussen dat op basis van unieke k-mer-embeddings nauwkeurige resultaten levert zonder multiple sequence alignment, zelfs bij lage genomische dekking.
Dit onderzoek introduceert een multi-modaal raamwerk dat genoomwijd short tandem repeat (STR)-variaties gebruikt om, met name op regionaal niveau, een fijnmazigere en biologisch interpreteerbare afbeelding van de menselijke populatiestructuur te verkrijgen dan traditionele SNP-gebaseerde methoden.
ProteinConformers is een nieuwe resource die 2,7 miljoen geometrisch geoptimaliseerde eiwitconformaties biedt, aangevuld met uitgebreide energetische en vergelijkingsdata, om de conformationele landschappen van eiwitten op grote schaal te modelleren en te analyseren voor toepassingen in dynamica, allosterie en medicijnontwikkeling.