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.
RapCluster is een interactief webplatform dat de reproduceerbaarheidskloof in clusteranalyse dicht door het bieden van een transparante omgeving voor het uitvoeren en rapporteren van analyses met 11 veelgebruikte algoritmen, waarmee het tekort aan gedocumenteerde parameters in de wetenschappelijke praktijk wordt aangepakt.
De studie onthult dat voor het voorspellen van eiwitcomplexen de diepte van de meervoudige sequentie-uitlijning (MSA) belangrijker is dan de specifieke koppeling van sequenties, wat een nieuw "diepte-boven-koppeling"-principe voorstelt dat de prestaties van modellen zoals AlphaFold3 verbetert.
TSvelo is een nieuw, op neurale differentiaalvergelijkingen gebaseerd wiskundig raamwerk dat de complexiteit van RNA-velocity-analyses verbetert door de cascade van genregulatie, transcriptie en splicing te modelleren, waardoor nauwkeurigere voorspellingen van celpotentialen mogelijk worden voor zowel individuele genen als meervoudige lijnen.
Deze studie valideert het ActTrust(R)-apparaat als een kosteneffectief hulpmiddel voor het schatten van energieverbruik en het classificeren van fysieke activiteit bij jonge volwassenen, waarbij een lineair model hoge nauwkeurigheid toonde voor intensiteitsdrempels vergeleken met de gangbare ActiGraph GT3X+ en indirecte calorimetrie.
Deze studie introduceert een kader om meerdere Active Module Identification-algoritmes te valideren en hun resultaten te aggregeren via spectrale clustering en Greedy Conductance-based Merging, waardoor een robuustere analyse van genetische interactienetwerken mogelijk wordt die de beperkingen van individuele algoritmes overbrugt en verborgen genen kan onthullen.
Het paper introduceert GRASP, een parameter-efficiënt raamwerk dat trainbare 'soft prompts' gebruikt om grote taalmodellen te sturen bij het schaalbaar en generaliseerbaar afleiden van gennetwerken door rekening te houden met specifieke genparen en interactietypes.
Deze correlatiestudie identificeert ABCA3 en SCN4B als veelbelovende, oefening-gerelateerde biomarkers voor de diagnose en behandeling van aortadissectie type A van Stanford, waarbij een diagnostisch nomogram, onderliggende moleculaire mechanismen en potentiële therapeutische middelen worden onthuld.
In deze studie werden via virtuele screening, docking en dynamische simulaties vijf nieuwe ZINC-verbindingen geïdentificeerd die potentieel fungeren als remmers van het ESX-1-secretiesysteem van *M. tuberculosis* door te binden aan het C-terminale ATPase-domein van het EccA1-enzym, met als doel de ontwikkeling van nieuwe antivirulentiemedicijnen.
Dit artikel introduceert GPCR-Nexus, een AI-gedreven platform dat gebruikmaakt van multi-agent-orkestratie om gestructureerde databases en ongestructureerde literatuur te integreren voor betrouwbare, bronverifieerbare kennisextractie en synthese op het gebied van GPCR-biologie en geneesmiddelenontdekking.