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.
Deze paper introduceert Pioneer en Altimeter, open-source tools die DIA-proteomics-data sneller en nauwkeuriger analyseren door systematische afwijkingen veroorzaakt door smalle isolatiewindows expliciet te modelleren.
Deze paper introduceert edgePython, een Python-port van het edgeR-pakket die de integratie met het Python-ecosysteem voor single-cell genomics mogelijk maakt en het framework uitbreidt met een negatief-binomiale-gamma gemengd model en empirische Bayes-schrinking voor dispersie.
CellDyc is een semi-supervised leerframework dat experimentele tijdstippen integreert om transcriptomische snelheden nauwkeuriger te reconstrueren en intrinsieke, gen-gebaseerde tijdsdynamieken in tijdreeks single-cell RNA-sequencing te onthullen.
Deze studie introduceert en valideert een nieuwe mutatiesignatuur op basis van panelsequencing die NER-deficiëntie door ERCC2-mutaties detecteert, wat de voorspelling van het respons op platinabehandeling bij blaaskanker verbetert en een nieuwe therapeutische aanpak voor andere ERCC2-gemuteerde solide tumoren suggereert.
NanoHIVSeq is een UMI-vrije en referentievrije bioinformatica-pijplijn die Oxford Nanopore-sequencingdata van HIV-1-omhulselgenen verwerkt om met hoge nauwkeurigheid en reproduceerbaarheid functionele varianten te identificeren zonder complexe library-voorbereiding.
Deze studie toont aan dat Large Language Models, met name GPT-3.5-Turbo via few-shot prompting op DNA-sequenties met geninformatie, effectief kunnen worden ingezet om de therapeutische werkzaamheid van antisense-oligonucleotiden te voorspellen.
Dit artikel beschrijft een machine learning-benadering met KNN-, DTR- en RFR-algoritmen die, getraind op een nieuw openbaar gemaakte dataset van opgeloste organische materie, de toewijzing van moleculaire formules in ultrahoog-resolutie massaspectrometrie-data aanzienlijk verbetert ten opzichte van traditionele methoden.
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 de Therapeutic Cancer Cell Atlas (TCCA), een pan-kanker single-cell resource die door integratie van transcriptomische data van bijna 1,8 miljoen cellen tien therapeutische clusters onthult die op basis van functionele transcripitieprogramma's en micro-omgevingsstaten nieuwe inzichten bieden in therapeutische kwetsbaarheden en behandelingsstrategieën.
De studie introduceert het in silico-pijplijn DegrAID, dat bestaande proteomische datasets ontsluit om ziekte- en endotype-specifieke degradomen in geweefsel te identificeren, waardoor unieke weefselhermodelleringpatronen bij artrose en reumatoïde artritis worden onthuld.