1012 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.
Dit artikel introduceert nf-sarcopipe, een modulaire Nextflow-pipeline die de novo en referentiegestuurde miRNA-ontdekking integreert met transcriptoomanalyse om nieuwe en bekende inspanningsresponsieve miRNA's en hun regulatoire netwerken te identificeren die betrokken zijn bij skeletspieradaptatie.
Deze studie vergelijkt drie codon-georiënteerde masked taalmodellen met traditionele methoden en toont aan dat hoewel geen enkel model alle taken domineert, ze effectief de translationele context vastleggen om varianten met superieure expressieprestaties te genereren, wat suggereert dat het samplen over meerdere modellen een veelbelovende strategie is voor het optimaliseren van op nucleïnezuren gebaseerde geneesmiddelen.
Dit artikel toont aan dat eerder gerapporteerde voordelen van codon-taalmodellen bij de voorspelling van synonieme varianten evaluatie-artefacten zijn veroorzaakt door datalekken, aangezien deze winsten verdwijnen onder strikte, op lekcontrole gebaseerde benchmarks zoals de nieuw uitgebrachte CodonBench.
Het artikel introduceert scDRP, een generatief framework dat gebruikmaakt van ontkoppelde representatieleer en conditionele optimale transport om individuele behandelingseffecten nauwkeurig te schatten en contrafectuele celtoestanden af te leiden uit niet-overeenstemmende single-cell perturbatiegegevens, waardoor heterogene biologische mechanismen over diverse celtypen en condities heen worden onthuld.
Het artikel presenteert "HRA: Powers of Ten", een open-source virtual reality-applicatie die de Human Reference Atlas benut om gebruikers onder te dompelen in een multischalige, semantisch geharmoniseerde exploratie van single-cell biomedische data, wat nieuwe biologische inzichten mogelijk maakt in cellulaire architectuur en senescentie over organen en ruimtelijke schalen heen.
De auteurs presenteren pastForward, een volledig geautomatiseerde Snakemake-pipeline die de analyse van eeuwenoud en historisch DNA stroomlijnt door gebruiksvriendelijke verwerking, eukaryote-brede taxonomische screening en kopie-aantal variatie-tracking te integreren om longitudinale genomische studies over diverse soorten mogelijk te maken.
PARNET is een nieuw RNA-fundamentmodel dat uitsluitend is getraind op experimentele CLIP-seq-data om bindingsprofielen van RBP's op basenresolutie te voorspellen, waarbij het een superieure prestatie en mechanistische interpreteerbaarheid over diverse downstream-taken vertoont vergeleken met traditionele sequentiegebaseerde taalmodellen.
Het artikel introduceert TriTower-m6Am, een triple-tower deep learning-architectuur die semantische, sequentiële en structurele RNA-representaties integreert om de nauwkeurigheid en interpreteerbaarheid van m6Am-sitevoorspelling aanzienlijk te verbeteren in vergelijking met bestaande methoden met één representatie.
Dit artikel introduceert ASPIRE, een toegankelijke Nextflow-workflow die is ontworpen voor het verwerken, analyseren en interpreteren van gekoppelde data van amplicon sequence variants (ASV) en vluchtige organische verbindingen (VOC) om respiratoire microbiële ecosystemen en hun relatie tot gezondheid te onderzoeken.
Het artikel introduceert megaMine, een transparant en schaalbaar regelgebaseerd framework dat effectief gestructureerde gen-kanker-geneesmiddel-bewijslast uit biomedische literatuur extraheert, waarbij een hoge nauwkeurigheid wordt aangetoond in het onderscheiden van therapeutische werkzaamheid en het genereren van interpreteerbare gegevens voor downstream kennissynthese.