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.
Dit artikel introduceert MIMIQ, een methode die gebruikmaakt van adaptieve binning en copula-transformatie om de wederzijdse informatie en significantie in single-cell RNA-sequencing-data snel en nauwkeurig te berekenen, wat wordt geïllustreerd door de analyse van genherkoppeling bij CD4+ T-cellen tijdens SARS-CoV-2-infectie.
Dit artikel introduceert CRIS, een centraal, gestandaardiseerd databaseplatform voor hoogwaardige RNA-structuur- en interactiedata dat de reproduceerbaarheid en toegankelijkheid van crosslinking-technologieën verbetert om onderzoek en AI-gedreven ontdekking in het tijdperk van RNA-therapieën te faciliteren.
Het artikel introduceert KNexPHENIX, een op PHENIX gebaseerde workflow die structurele modellen van cryo-EM en kristallografie verbetert door betere stereochemie te bereiken zonder de nauwkeurigheid te verliezen of overfitting te veroorzaken.
Deze paper introduceert HEIMDALL, een unificerend kader dat aantoont dat het zorgvuldig ontwerpen van tokenizers, met name op het gebied van genidentiteit, expressiecodering en volgorde, cruciaal is voor de robuuste generalisatie van foundation modellen voor single-cell RNA-sequencing onder distributieveranderingen.
Dit artikel toont aan dat heterogeniteit in single-cell observaties systematische vervormingen in manifold-inferentie veroorzaakt en stelt topologische stabiliteitsbeschrijvers voor om betrouwbare inferenties te waarborgen.
Dit artikel introduceert een nieuwe, breed toepasbare definitie voor het correct labelen van genboomknooppunten als duplicaties onder het DLCoal-model en evalueert de statistische eigenschappen en nauwkeurigheid van de ASTRAL-pro-methode op basis van deze definitie.
Deze studie toont aan dat het combineren van gereduceerde aminozuuralfabetten met subwoord-tokenisatie (BPE) in eiwit-taalmodellen de rekenefficiëntie aanzienlijk verbetert door kortere sequenties te genereren, terwijl de voorspellende prestaties behouden blijven of zelfs worden verbeterd.
Deze studie introduceert Cyclome, een uitgebreid computeraangedreven framework dat een gecurateerde dataset van 930 cyclische peptiden, een nieuw sequentie-uitlijningalgoritme en machine learning-modellen combineert om thermische stabiliteit te voorspellen en kritieke metaalbinding te analyseren, waardoor de ontwerpmogelijkheden voor stabiele cyclische peptiden voor therapeutische en industriële toepassingen aanzienlijk worden verbeterd.
Pipette is een multi-agent AI-framework dat end-to-end bioinformatica-workflows orchestreert via natuurlijke taal, geleid door een uit wetenschappelijke literatuur afgeleid 'Skill Graph' om complexe analyses voor benchwetenschappers toegankelijker en reproduceerbaar te maken.
Deze studie toont aan dat Variational Autoencoders (VAE's) effectief data kunnen clusteren door hun latente representaties en reconstructielikelihood te benutten, wat een principiële aanpak biedt voor het identificeren van typische monsters en anomalieën in biologische en biomedische gegevens.