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 bewijst dat alle lineaire combinaties van duplicatie-, verlies- en diepe coalescentie-parsimonie-kosten voor het afleiden van soortbomen statistisch inconsistent zijn onder het multispecies coalescent-model, en onderzoekt de empirische gevolgen hiervan.
Deze studie identificeert AGTR1 als een specifiek marker voor longpericyten en toont aan dat angiotensine-signaling via deze receptor cruciaal is voor het behoud van longweefsel, waarbij verstoringen bij ziektes zoals COPD en veroudering leiden tot aantasting van pericytfuncties en herstelmechanismen.
Dit onderzoek identificeert twee topologische motieven voor inversies in pangenoomgrafen en toont aan dat bestaande pipelines deze varianten vaak verkeerd representeren of volledig missen, met name in realistische menselijke datasets.
Deze studie toont aan dat DNA-foundationmodellen, met name HyenaDNA, superieure en schaalbare prestaties leveren bij het voorspellen van transcriptiefactorbindingsplaatsen in plantengenomen, zoals bewezen door benchmarking met DAP-seq-data van Arabidopsis thaliana en Sisymbrium irio.
Dit onderzoek toont aan dat de kwaliteit van de trainingsdata, met name de mate van sparsiteit, ruis en beeldresolutie, een cruciale en vaak onderschatte factor is die de voorspellende prestaties van deep learning-modellen voor het voorspellen van ruimtelijke transcriptomics uit histologie-afbeeldingen beïnvloedt, waarbij het verbeteren van deze datakwaliteit een effectieve strategie biedt naast het optimaliseren van modelarchitecturen.
Dit artikel introduceert een statistisch raamwerk dat gebruikmaakt van een groot dataset om empirische p-waarden te genereren voor het nauwkeurig en gestandaardiseerd identificeren van significante synergetische anticancer drugcombinaties, waardoor contextspecifieke effecten kunnen worden onthuld en toekomstige ontdekkingen worden ondersteund.
Dit artikel introduceert Human Spatial Constraint (HuSC), een raamwerk dat menselijke genetische variatie en 3D-structuur combineert om taalkundige eiwitmodellen te verfijnen, waardoor de voorspelling van varianteffecten verbetert door de bias ten opzichte van wildtype-sequenties te verminderen.
SpecLig is een geïntegreerd, energie-gestuurd hiërarchisch model dat specifiek ontworpen 3D-liganden (kleine moleculen en peptiden) genereert met verbeterde affiniteit en specificiteit voor een doelwit, waardoor het risico op promiscue binding en bijwerkingen wordt verminderd.
Dit onderzoek toont aan dat numerieke variabiliteit in MRI-analyses van de ziekte van Parkinson aanzienlijk kan leiden tot valse conclusies, en introduceert een praktisch kader om deze onzekerheid te kwantificeren en te minimaliseren.
De auteurs presenteren jazzPanda, een hybride R-pakket dat een binning-methode toepast om ruimtelijke transcriptomics-data te analyseren en zo specifiekere ruimtelijke marker-genen te identificeren dan bestaande methoden die de ruimtelijke verdeling negeren.