1197 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.
ReconSIREN is een nieuw deep learning-framework dat gebruikmaakt van een Mixture-of-Experts-architectuur om volledig \textit{ab initio} CryoEM single-particle-analyse uit te voeren die gelijktijdig artefacten door voorkeursoriëntatie, deeltjesheterogeniteit en conformationele flexibiliteit oplost zonder afhankelijk te zijn van traditionele optimalisatiemethoden.
Deze studie introduceert een topologiegestuurd raamwerk dat er succesvol in slaagt proteomische en functionele gegevens van menselijke geg engineered hartweefsels te integreren om te onthullen hoe epinefrine en doxorubicine tegengestelde inotrope effecten uitoefenen door de energiehomeostase, mitochondriale translatie en proteostase differentieel te moduleren.
KENT is een draagbaar, offline edge-computing framework dat gebruikmaakt van een cluster van NVIDIA Jetson Nano-modules om snelle, door GPU versnelde metagenomische pathogeendetectie mogelijk te maken in omgevingen met beperkte middelen, waarbij significante snelheidsverbeteringen ten opzichte van CPU-baselines worden bereikt terwijl de hoge classificatienauwkeurigheid en de getrouwheid van de abundantieschatting behouden blijven.
FlyAnatoView is een bron die het gebrek aan ruimtelijke context in single-cell RNA-sequencingdata aanpakt door transcriptomische profielen te projecteren op anatomische diagrammen van *Drosophila*, waardoor informatie over de specifieke weefsel- of orgaanlocaties van individuele cellen wordt hersteld.
FilAdh is een verenigd, degradatiebewust computationeel raamwerk dat gelijktijdig focale adhesies segmenteert en actine-stressvezels reconstrueert om nauwkeurige morfometrische analyse en ruimtelijke classificatie mogelijk te maken, waarbij het bestaande methoden overtreft in benchmarktests terwijl het expliciet karakteriseert hoe specifieke beeldvormingsonvolkomenheden structurele metingen beïnvloeden.
Dit artikel presenteert een geïntegreerde computationele strategie voor het analyseren van nanopore eiwit-ionenstroomsignalen die ruisonderdrukking, segmentatie en machine learning-technieken combineert om een hoge nauwkeurigheid te bereiken in lading-gebaseerde binaire classificatie en om peptide-translocatie te modelleren, ondanks de uitdagingen bij het onderscheiden van alle 20 aminozuren.
Deze studie toont aan dat additive-input coderingsmodellen die in huidige Perturb-seq schermen worden gebruikt, er niet in slagen te generaliseren naar nieuwe, uitgesloten perturbatiedoelen, wat onthult dat geïnferreerde regulatoire operatoren niet zijn gevalideerd voor het voorspellen van responsen op ongeziene genen, ondanks hun wiskundige identificeerbaarheid.
VINTER is een generatief visie-taalmodel dat histologie, genexpressie en ruimtelijke nabijheid verenigt in een enkele sequentie om ruimtelijke weefselstructuren over diverse platforms en resoluties nauwkeurig te annoteren en te bevragen, waardoor verborgen biologische heterogeniteit wordt onthuld en moleculaire bewijsvoering zonder hertraining kan worden bewerkt.
Deze studie evalueert de prestaties van TGAN- en CTGAN-modellen bij het genereren van synthetische longitudinale cardiovasculaire ziektegegevens over een periode van 6 jaar, waarbij wordt vastgesteld dat hoewel CTGAN over het algemeen een superieure getrouwheid en privacy biedt vergeleken met TGAN en een perturbatie-baseline, het nog steeds verfijning vereist om de temporele kenmerken en prestaties bij jongere leeftijdsgroepen beter te behouden.
Het artikel introduceert Hyper Screening X, een generatief AI-framework dat structuurgebaseerd ontwerp integreert met geautomatiseerde synthesehardware om efficiënt door chemische ruimtes van biljoenen schalen te navigeren, waarbij succesvol eerste-in-class leadverbindingen zijn geïdentificeerd met hoge synthese- en functionele hitrates.