1235 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 onderzoek introduceert een nieuwe functionele-ruimtebenadering om de biosynthese van sideroforen te analyseren en onthult dat deze eigenschap, die in meer dan 60% van de bacteriële genomen voorkomt, voornamelijk wordt gedreven door ecologische levensstijl en horizontale genoverdracht in plaats van strikte fylogenetische verwantschap.
Deze studie toont aan dat het combineren van moleculaire barcodes met langere single-end reads (SE1000_stLFR), gesimuleerd met de nieuwe tool stLFR-sim, de detectie van structurele varianten aanzienlijk verbetert en een kosteneffectief alternatief biedt voor traditionele kortere reads en duurdere langere-read technologieën.
Dit artikel introduceert markeR, een open-source R-toolkit voor het systematisch evalueren van genensets als fenotypische markers, en demonstreert aan de hand van senescentie-gerelateerde datasets dat de prestaties van dergelijke signatuursets sterk variëren afhankelijk van de context.
Dit artikel introduceert LongevityBench, een benchmark voor het evalueren van de vaardigheden van state-of-the-art taalmodellen in de verouderingsonderzoek door hun vermogen om fundamentele biologische principes te begrijpen en diverse biodatatypes te interpreteren om fenotypische conclusies te trekken.
DIA-CLIP is een vooraf getraind model dat de analyse van data-independent acquisition (DIA) proteomica revolutioneert door over te schakelen naar universeel cross-modaal representatieleren, waardoor zero-shot peptide-spectrum matching mogelijk wordt met een tot 45% hogere eiwitidentificatie en een lagere vals-positieve rate dan bestaande methoden.
TFBindFormer is een hybride cross-attention transformer die genomische DNA-kenmerken combineert met TF-specifieke eiwitinformatie om de binding van transcriptiefactoren aan DNA nauwkeuriger te voorspellen dan bestaande modellen die uitsluitend op DNA-sequenties vertrouwen.
U-Probe is een universeel, door AI-agenten aangestuurd platform dat de ontwerp- en evaluatieprocessen van FISH-probes voor ruimtelijke genomica en diagnostiek automatiseert en flexibiliteit biedt voor zowel gevestigde als nieuwe probe-architecturen zonder code-aanpassingen.
CROssBARv2 is een geünificeerd computatiefraamwerk dat heterogene biomedische data integreert in een kennisgrafiek met standaardontologieën en vector-embeddings, waardoor onderzoekers via een LLM-gedreven zoekinterface hallucinaties kunnen vermijden en betere voorspellende analyses kunnen uitvoeren voor toepassingen zoals drughergebruik en eiwitfunctievoorspelling.
Deze studie beschrijft een geavanceerde computationele screening van bijna 630.000 natuurlijke producten die tien ultraselectieve Nrf2-activatoren identificeerde die een sterke binding aan KEAP1 combineren met minimale ongewenste effecten op PXR en CYP2D6, waardoor een veiliger pad voor de ontwikkeling van therapieën tegen oxidatieve stress wordt gebaand.
Dit artikel presenteert een benchmarkstudie die aantoont dat de prestaties van methoden voor het schatten van precisiematrices sterk afhankelijk zijn van datakenmerken, waarbij GLassoElnetFast over het algemeen de beste resultaten boekt voor het analyseren van differentieel co-expressienetwerken.