1012 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.
Het artikel introduceert Boltz2ESI, een end-to-end framework dat een biomoleculair fundatiemodel gebruikt om enzym-substraatinteracties te voorspellen via native co-folding, waardoor de plasticiteit van het actieve centrum wordt vastgelegd en bestaande methoden worden overtroffen om de ontdekking van biocatalysatoren en de verheldering van pathways te versnellen.
Het artikel introduceert GraNPA, een methode die GWAS-achtige associatiestudies uitvoert op pangenoom variatiegrafen met slechts een klein aantal individuen om fenotype-gerelateerde genomische regio's te identificeren zonder referentiebias of aanvullende populatiedata.
DPCGS is een nieuw computationeel raamwerk dat GWAS-samenvattende statistieken integreert met single-cell RNA-sequencing data om een hoog-resolutie mapping van genetisch risico naar specifieke celsubpopulaties en regulatoire programma's te bereiken, waarbij het een superieure nauwkeurigheid demonstreert ten opzichte van bestaande methoden en nieuwe inzichten biedt in de cellulaire mechanismen van complexe ziekten zoals Alzheimer en astma.
Door de uitvoering van drie Open Calls en drie Public Challenges tussen 2023 en 2025 heeft het AI4Life-initiatief 22 biobeeldanalyseprojecten ondersteund en onthuld dat hoewel de adoptie van FAIR deep learning te maken heeft met aanzienlijke implementatiehinderpalen, de primaire flessenhals voor wetenschappelijke AI in de biologie niet ligt in de methodeontwikkeling, maar in de beschikbaarheid van data, annotaties en gedeelde infrastructuur.
Spectronaut-nf is een schaalbare Nextflow-pipeline die efficiënte, geparallelliseerde verwerking van grootschalige DIA-proteomics-datasets op high-performance computing-omgevingen mogelijk maakt, waardoor de analysetijd aanzienlijk wordt verkort terwijl consistente identificatieresultaten worden behouden in vergelijking met single-workstation of single-node opstellingen.
Dit artikel presenteert een volledig geautomatiseerde, driestaps geometrisch-naar-neurale cascade-pipeline die subject-adaptieve unsupervised kandidaatgeneratie combineert met twee lichtgewicht 3D ResNet-classifiers, getraind op minimale human-in-the-loop labels, om een hoge nauwkeurigheid te bereiken bij de detectie van cerebrale microbloedingen in susceptibiliteitsgewogen MRI, terwijl het aantal fout-positieven door vasculaire en niet-vasculaire mimics aanzienlijk wordt verminderd.
Dit manuscript is ingetrokken omdat de fundamentele "Deviation Error"-metriek een substantiële wiskundige formalisering en theoretische validatie vereist voordat deze kan worden vastgesteld als een geldige scoring rule voor het beoordelen van machine learning-voorspellingen.
Spaceland is een morfologie-gestuurd computationeel framework dat continue, hoog-resolutie 3D moleculaire atlas van volledige organen reconstrueert door ijle ruimtelijke transcriptomica te integreren met seriële H&E-histologie, waardoor schaalbare virtuele weefselmodellering mogelijk wordt zonder de noodzaak van uitputtende experimentele bemonstering.
Deze studie vergelijkt meervoudige lineaire regressie (MLR), bias-gecorrigeerde MLR en de Klemera-Doubal Method (KDM) voor het schatten van de biologische leeftijd op basis van hartslagvariabiliteitsgegevens bij 343 proefpersonen, waarbij wordt vastgesteld dat KDM de laagste schattingsfout oplevert, terwijl de bias-gecorrigeerde MLR een verbeterde nauwkeurigheid biedt ten opzichte van ongecorrigeerde MLR, maar beperkt wordt door de afhankelijkheid van chronologische leeftijd.
Dit artikel introduceert een discreet inverse rendering-framework dat biologische beeldanalyse formuleert als een globaal optimaal integer programmeerprobleem, waardoor detectie, tracking en event-inferentie wordt verenigd om standaard lokale beslissingspipelines aanzienlijk te overtreffen, met name in scenario's met lage signaalsterkte.