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.
Deze studie toont aan dat geslachtsgebonden genexpressie weliswaar bijdraagt aan geslachtsverschillen in gen-essentialiteit, maar dat deze verschillen vaker worden veroorzaakt door directe, expressie-onafhankelijke effecten, met name op het X-chromosoom.
Deze studie toont aan dat het integreren van biologisch geïnformeerde sequentiekenmerken, zoals aggregatie- en PTM-dichtheid, de succesvoorspelling van *de novo* eiwitbinders significant verbetert door contextafhankelijke signalen te identificeren die structurele scoring alleen niet kan vangen.
DeSCOPE is een lichtgewicht conditioneel variatie-automatische encoder die genetische perturbatiereacties op transcriptomisch en epigenomisch niveau succesvol voorspelt, zelfs voor onbekende genen en celtypen, en hiermee een veelzijdig virtueel celmodel biedt voor het ontwerpen van therapeutische doelen.
In dit artikel wordt π-MSNet voorgesteld, een levend, AI-klaar portaal voor massaspectrometrie-gegevens dat met meer dan 1,66 miljard spectra een uniforme, schaalbare dataset biedt voor het trainen en benchmarken van diep-leermodellen in de proteomica.
Dit artikel introduceert spatialFDA, een open-source R-pakket dat methoden uit ruimtelijke statistiek en functionele data-analyse combineert om verschillen in de ruimtelijke co-localisatie van cellen tussen verschillende condities nauwkeurig te kwantificeren en te testen.
Deze studie introduceert een nieuw computermodel dat, in tegenstelling tot traditionele methoden die zich richten op individuele bacteriën, synergetische interacties tussen microbiële paren identificeert die robuuste en reproduceerbare ziekte-signalen onthullen die anders onzichtbaar zouden blijven.
Dit onderzoek presenteert een geavanceerd end-to-end framework dat sequentie- en structuurinformatie combineert om de zelfassociatie van antilichamen, gemeten via CSI-BLI, succesvol te voorspellen en zo een cruciale rol speelt in de vroege screening van ontwikkelbaarheid.
PepHammer is een lichtgewicht webtool die onderzoekers in staat stelt om grote datasets van bioactieve peptiden efficiënt te analyseren en te identificeren door ze te vergelijken met uitgebreide databases van gevalideerde bioactiviteiten en weefselassociaties.
Deze studie introduceert deepHTL, een geavanceerd statistisch raamwerk dat op basis van nationale longtransplantatiedata aantoont dat het voordeel van een bilaterale longtransplantatie ten opzichte van een unilaterale sterk varieert afhankelijk van patiëntkenmerken, waarbij jongere en minder risicovolle patiënten het meeste baat hebben.
Deze studie karakteriseert klinische isolaten van *Escherichia coli* en *Enterobacter hormaechei* uit een Keniaans ziekenhuis, waarbij genoomsequencing multiresistente stammen met specifieke resistentiegenen en plasmiden onthulde die wijzen op horizontale overdracht en een link met omgevingsreservoirs, hoewel geen carbapenemresistentie werd aangetroffen.