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.
GraphPop introduceert een grafdatabase-engine die de complexiteit van populatiegenomica koppelt aan het aantal populaties in plaats van aan het aantal samples, waardoor analyses aanzienlijk sneller en minder geheugenintensief worden zonder in te leveren op de schaalbaarheid voor grote datasets.
De auteurs presenteren BioTrendFinder, een interactieve webtool die bulk-omics-data integreert met functionele netwerken en ontologieën om via een unieke rangschikkingsstrategie significante moleculaire trendlijnen en functionele modules te identificeren, waardoor de prioritering van kandidaat-doelen voor downstream-validatie wordt vergemakkelijkt.
Dit artikel introduceert SPEAR, een open-source framework dat gebruikmaakt van chromatin-toegankelijkheidsdata om genexpressie op celniveau te voorspellen en aantoont dat transformer-encoders de beste prestaties leveren, terwijl de analyse de voorspelbaarheid beperkt tot een subset van genen en de voorspellende signalen lokaliseert in promotor-nabijgelegen regio's.
Dit artikel introduceert TB-Bench, een systematische benchmark die aantoont dat traditionele machine learning-modellen, zoals XGBoost, binnen een gestandaardiseerd framework vaak betere prestaties leveren dan deep learning-methoden bij het voorspellen van resistentie tegen tweede-lijns tuberculosedrugs, hoewel beide benaderingen aanzienlijke uitdagingen kennen in cross-dataset generalisatie.
Deze studie introduceert IMAS, een doelgericht integratief raamwerk dat pan-kanker single-cell data benut om multi-omics datasets van tumoren te verrijken en zo betrouwbare, communicatie-gestuurde regulatorische mechanismen te identificeren, zelfs in data-beperkte systemen.
Dit artikel introduceert BrainPET Studio, een open-source desktoptoepassing die atlasgebaseerde kwantitatieve PET-neuroimaging-analyse mogelijk maakt zonder FreeSurfer, en valideert de nauwkeurigheid ervan door hoge correlaties te tonen met gevestigde pipelines zoals ADNI en volBrain/petBrain.
VeloTrace is een nieuw framework dat RNA-velocity en trajectinferentie in single-cell transcriptomics verenigt via Neuronale Differentiaalvergelijkingen, waardoor het een coherente en continue snelheidsveld reconstrueert dat betrouwbare dynamische inzichten biedt, zelfs voor genen met onvoldoende sequentiecoverage.
Dit artikel introduceert de Digital PCR Data Essentials Standard (DDES), een door de gemeenschap ontwikkeld, lichtgewicht en cross-platform dataformaat dat de interoperabiliteit, reproduceerbaarheid en FAIR-praktijken voor digitale PCR-data in zowel klinische als onderzoeksmilieus bevordert.
DyME is een gedistribueerd platform dat hoge-doorvoer mutagenese combineert met moleculaire dynamica-simulaties en een toolbox voor vergelijkende analyse om systematisch eiwit-herkenning te bestuderen en na te bootsen.
Dit onderzoek gebruikt AlphaFold om volledige structurele modellen van mitofusines te genereren, waarbij een nieuwe kruistype-dimerisatiemodus wordt ontdekt die nieuwe inzichten biedt in de oligomerisatie en het fusiemechanisme van het mitochondriale buitenmembraan.