1210 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.
De auteurs hebben EMTscore ontwikkeld, een open-source R-pakket dat efficiënte, onbevooroordeelde scoring van meerdere uiteenlopende epitheliale-mesenchymale transitie (EMT)-paden uit single-cell of bulk omics-data mogelijk maakt om de snelle screening van correlaties tussen EMT en andere cellulaire processen te faciliteren.
Dit artikel introduceert Pseudotime Graph Diffusion (PGD), een lichtgewicht post hoc-framework dat de visualisatie en interpretatie van single-cell trajecten verbetert door cel-niveau kenmerken en genexpressie langs geïnferred paden te verzachten met behulp van random-walk diffusie.
RFhap is een nieuwe trio-gebaseerde phasing-methode die gebruikmaakt van multi-k-mer markers en een random forest classifier om de nauwkeurigheid en continuïteit van haplotype-opgeloste de novo assemblage in menselijke genomen aanzienlijk te verbeteren vergeleken met bestaande tools zoals Hifiasm-Trio.
Het artikel introduceert scGeneLens, een framework dat onthult hoe verschillende single-cell foundation models (scFMs) zoals scFoundation en scGPT uiteenlopende "pluralistische" percepties van cellen ontwikkelen door ofwel prioriteit te geven aan celtype-markergenen of aan gedeelde biologische pathways, waardoor het bruikbare inzichten biedt voor toekomstig modelontwerp.
Thyra is een moderne Python-bibliotheek die de brug slaat tussen massaspectrometrie-imaging en het SpatialData-framework om datafragmentatie te overwinnen, interoperabiliteit te verbeteren en verenigde multimodale analyse binnen het spatial omics-ecosysteem mogelijk te maken.
Het artikel introduceert scTREND, een annotatievrij computationeel framework dat single-cell transcriptomica integreert met klinische uitkomsten om tijdvariërende, conditieafhankelijke celniveau-hazards te modelleren, waardoor dynamische risicobeoordeling mogelijk wordt over diverse ziekten en ruimtelijke of bulk-datamodaliteiten heen zonder dat vooraf gedefinieerde celtype-labels vereist zijn.
De auteurs presenteren TLand, een nieuwe machine learning-architectuur gebouwd op de RegulomeDB-database die bestaande modellen overtreft in het voorspellen en prioriteren van cel- en orgaanspecifieke niet-coderende regulatoire varianten, waardoor de interpretatie van GWAS-geassocieerde SNP's over het menselijke genoom wordt verbeterd.
Deze studie toont aan dat de correlatie tussen de log-likelihoods van generatieve modellen en de bindingsaffiniteit van antilichamen voortvloeit uit het feit dat deze modellen impliciet evolutionaire priors leren, waarbij ze presteren op hetzelfde niveau als eenvoudige BLOSUM-gelijkenisscores berekend tegen een bekende ouderlijke binder.
Dit artikel introduceert een nieuw op PARAFAC2 gebaseerd analytisch kader dat de beperkingen van standaard CP-modellen overwint door expliciet subject-specifieke temporele variaties in longitudinale microbioomgegevens te vangen, waardoor de ontdekking van repliceerbare, geïndividualiseerde ontwikkelingskenmerken mogelijk wordt die voorheen over het hoofd werden gezien.
Het artikel introduceert SWARM, een op AI gebaseerd framework dat de precisie van single-molecule RNA-modificatieprofilering aanzienlijk verbetert door de hoge fout-positieve ratio's in nanopore-sequencing te overwinnen, waardoor de ontdekking van nieuwe modificatiesites mogelijk wordt en nieuwe inzichten in pseudouridine-depositie worden onthuld, terwijl bestaande modellen van epitranscriptomische coördinatie worden uitgedaagd.