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.
In deze studie wordt een hybride machinelearningframework ontwikkeld dat twee veelbelovende nieuwe therapeutische kandidaten, berberrubine en PE859, identificeert die TDP-43-aggregatie remmen en locomotorische defecten in een *C. elegans*-model van neurodegeneratie verminderen.
CodonRL is een versterkingsleerframework dat demonstratiegeleide replay en snelle structurele feedback gebruikt om synonieme codonsequenties te optimaliseren voor meerdere doelen, zoals vertalingsefficiëntie en RNA-stabiliteit, en overtreft de huidige state-of-the-art methode GEMORNA aanzienlijk op een benchmark van menselijke eiwitten.
De auteurs hebben TOXsiRNA ontwikkeld, een gratis webserver die met behulp van machine learning-modellen, met name een op mononucleotide-samenstelling gebaseerde SVM, de toxiciteit en off-target-effecten van chemisch gemodificeerde siRNAs voorspelt om experimentele kosten te verlagen.
Deze studie presenteert een feature-based in-silico model dat met hoge nauwkeurigheid het bedaquiline-resistentie-phenotype van *Mycobacterium tuberculosis* voorspelt op basis van Rv0678-varianten, waardoor de klinische beheersing van rifampicine-resistente tuberculose kan worden verbeterd.
De auteurs hebben miRarchitect ontwikkeld, een machine learning-gedreven webplatform dat de rationele ontwerping van kunstmatige microRNA's voor gerichte gen-silencing optimaliseert en experimenteel is gevalideerd met een hogere werkzaamheid dan bestaande tools.
Deze paper introduceert Theseus, een sneller en optimaal algoritme voor affiene-gat sequentie-naar-graf-uitlijning dat de rekentijd en het geheugengebruik aanzienlijk verlaagt zonder in te leveren op nauwkeurigheid, waardoor het superieur is aan bestaande methoden voor meervoudige sequentie-uitlijning en pangenoomlezingmapping.
In dit artikel wordt evoCancerGPT geïntroduceerd, een generatief transformer-model dat door transfer learning op basis van pseudotijd-geordende single-cell data toekomstige genexpressieprofielen in kankerprogresie voorspelt, waardoor het de prestaties van bestaande methoden overtreft en bijdraagt aan gepersonaliseerde kankerzorg.
Deze paper introduceert ChatDIA, een zero-shot workflow op basis van grote taalmodellen die complexe data-afhankelijke acquisitie (DIA) proteomics-data analyseert met een nauwkeurigheid die vergelijkbaar is met gespecialiseerde software, terwijl het tegelijkertijd transparante, menselijk interpreteerbare redeneringen biedt voor interactieve data-exploratie.
LineageSim is een nieuw generatief kader dat bestaande simulatoren verbetert door 'fate-aware' genexpressie te introduceren, waardoor progenitorcellen vroege signalen van hun toekomstige lot dragen en zo realistischere data worden gegenereerd voor de validatie van methoden die lange-termijn temporele afhankelijkheden modelleren.
GeneReL is een nieuw platform dat grote taalmodellen (LLM's) combineert met community-curatie om automatisch en nauwkeurig gen-regulerende interacties in *Arabidopsis thaliana* te extraheren uit wetenschappelijke literatuur.