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.
Het artikel introduceert SCiMS, een nauwkeurig en schaalbaar bioinformatica-tool dat de sekse van een gastheer kan voorspellen uit metagenomische sequenties, zelfs bij zeer lage hoeveelheden gastheer-DNA, waardoor ontbrekende sekse-metadata in microbioomstudies kan worden hersteld.
Deze meta-analyse van twaalf cohorten in acht landen toont aan dat het menselijke darmvirome zich in de eerste drie levensjaren voorspelbaar ontwikkelt via een geconserveerde successie met toenemende rijkdom en convergentie, wat een referentiekader biedt voor het identificeren van ziekte-geassocieerde verstoringen.
Deze studie introduceert DEFT, een hybride machine learning-methode die sequentie- en structuurgebaseerde benaderingen combineert om enzymen nauwkeuriger te classificeren en zo de functionele diversiteit van darmbacteriën die mucine-O-glycanen afbreken, efficiënt in kaart te brengen.
Deze paper introduceert een entiteit-gebalanceerd evaluatiekader en de model-onafhankelijke trainingsstrategie UnbiasNet om shortcut-bias in multi-input biologische associatievoorspelling te neutraliseren, waardoor eerlijkere prestatiebeoordelingen en robuustere modellen voor taken zoals drug-doelwijn-interacties en synergievoorspelling mogelijk worden.
De studie toont aan dat huidige zero-shot-modellen, hoewel effectief voor individuele mutaties, falen bij het voorspellen van de impact van epistase op eiwitfuncties, wat de noodzaak benadrukt van methoden die complexe mutatie-interacties kunnen modelleren.
Dit onderzoek toont aan dat mens-specifieke lange niet-coderende RNA's (lncRNA's) een cruciale rol spelen in de ontwikkeling van hyalien kraakbeen door genen te reguleren die betrokken zijn bij de extracellulaire matrix, wat nieuwe inzichten biedt in de moleculaire basis van het menselijk tweebenig lopen en potentiële toepassingen voor kraakbeenregeneratie en ziektebestudie.
Dit onderzoek toont aan dat een nieuw prefix-gebaseerd downsampling-algoritme, gecombineerd met ensemble-leermethoden, effectief is voor het voorspellen van bacteriële fenotypes op basis van gereduceerde k-mer-representaties, waardoor complexe deep learning-modellen kunnen worden vervangen en de interpretatie van gen-phenotype-relaties wordt vergemakkelijkt.
Dit paper introduceert PIGLET, een nieuwe grafische transformer-methode voor het voorspellen van geneesmiddel-doelwijn-interacties die, in tegenstelling tot bestaande modellen, superieure prestaties behaalt op een strengere, op geneesmiddelen gebaseerde validatie en succesvol wordt toegepast in een reële casestudy voor geneesmiddelenontwikkeling.
KG-Orchestra is een open-source multi-agent framework dat Retrieval-Augmented Generation (RAG) en gespecialiseerde agents combineert om biomedische kennisgrafieken te verrijken met gedetailleerde, evidence-based causale relaties en traceerbare provenance, waardoor de betrouwbaarheid en bruikbaarheid voor toepassingen zoals medicijnhergebruik en pathway-analyse aanzienlijk wordt verbeterd.
Dit onderzoek karakteriseert het Type IV-secretiesysteem van *Brucella melitensis* via geavanceerde computationele modellering en identificeert drie bestaande geneesmiddelen (Ezetimibe, Chlordiazepoxide en Alloin) die via virtuele screening en moleculaire dynamica als veelbelovende kandidaten voor hergebruik worden aangetoond om de pathogeniteit van deze bacterie te neutraliseren.