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 computergestuurde lipidenomics-studie toont aan dat Alzheimer-gerelateerde veranderingen in lipidesamenstelling de structuur en organisatie van neurale membraanmicrodomeinen beïnvloeden, waarbij de grijze stof aanzienlijk meer wordt aangetast dan de witte stof.
Deze studie toont aan dat bij populaire co-folding-methoden de invoerformaat (SMILES versus CCD) een grotere invloed heeft op de voorspellingen van eiwit-ligandcomplexen dan de lading, wat wijst op de noodzaak van robuustere algoritmen die onafhankelijk zijn van het invoerformaat en protonatiestappen beter integreren.
BOND-PEP is een geavanceerd, retrieval-versterkt framework dat empirische bindingsgegevens omzet in een expliciete, residueel-opgeloste conditionering om op basis van alleen sequentie nieuwe, hoogwaardige peptidebinders te genereren die de prestaties van bestaande methoden overtreffen.
Deze paper introduceert de ICI-Kt-methode, die links-gecensureerde ontbrekende metabolomics-data interpreteert als waardevolle informatie om zo de correlatieberekening, outlier-detectie en netwerkbouw te verbeteren.
De auteurs presenteren hoodscanR, een Bioconductor-pakket dat nauwkeurige identificatie en profielanalyse van celwijken in ruimtelijke transcriptomics-data mogelijk maakt, wat leidt tot nieuwe inzichten in tumorbiologie en therapeutische doelwitten.
MethylProphet is een nieuw Transformer-model dat volledige genoomwijd DNA-methylatie kan voorspellen op basis van uitsluitend genexpressieprofielen, zonder enige gemeten methylatie-invoer, waardoor het een krachtig hulpmiddel biedt voor het reconstrueren van methylatiepatronen in onderzoek en precisiegeneeskunde.
Dit artikel introduceert ProteomeLM, een taalmodel dat op het niveau van volledige proteomen werkt en zonder supervisie interacties tussen eiwitten kan voorspellen, terwijl het ook geavanceerde, gesuperviseerde modellen biedt voor het nauwkeurig en snel voorspellen van eiwitinteracties en gen-essentialiteit over diverse soorten heen.
Deze paper introduceert ConNIS, een nieuwe statistische methode die de waarschijnlijkheid berekent van insertievrije sequenties om essentiële genen in TraDIS-bibliotheken nauwkeuriger te identificeren dan bestaande methoden, vooral bij lage insertiedichtheden, en biedt bovendien een data-gedreven criterium voor het instellen van analyseparameters.
Dit paper introduceert Onika, een open-source Rust-systeem dat schaalbare sequentie-ähnlijkheidszoekopdrachten mogelijk maakt door gebruik te maken van gecomprimeerde omgekeerde indexen en vroege uitsluitingsstrategieën, wat leidt tot een aanzienlijke versnelling van vergelijkingen tussen grote collecties zonder in te leveren op nauwkeurigheid.
Dit artikel herdefinieert het concept van dichtheid in k-mer-sampling door een nieuw probabilistisch model te introduceren en de 'multiminimizer'-techniek voor te stellen, die de dichtheid aanzienlijk verlaagt door meerdere kandidaat-minimizers te overwegen, terwijl het ook de 'deduplicated density' analyseert en een efficiënte SIMD-implementatie biedt.