1197 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.
Pop-Corn is een nieuwe computationele methode die direct voorspelt hoe genetische perturbaties de samenstelling van celtypen en celtoestanden hervormen in zowel single-cell als ruimtelijke contexten, waarbij het traditionele op genexpressie gebaseerde benaderingen overtreft en het mogelijk maakt om perturbaties te prioriteren voor experimentele vervolgstappen.
Het artikel introduceert Haruka, een ruimtelijk bewuste contrastieve leerframework die conditiespecifieke micro-omgevingsveranderingen ontkoppelt van gedeelde weefselarchitectuur om systematisch perturbatie-gedreven heterogeniteit over diverse ruimtelijke omics-platformen en ziektecontexten te analyseren.
Het artikel introduceert seqsizzle, een open-source, cross-platform command-line tool geschreven in Rust die de visualisatie, kwaliteitscontrole en probleemoplossing van long-read sequencingdata faciliteert door fuzzy primer matching, aanpasbare highlight-functies en ingebouwde k-mer verrijkingsanalyse mogelijk te maken.
Het artikel introduceert Adaptive-Banding Needleman-Wunsch (AB-NW), een methode die gebruikmaakt van de betrouwbaarheid van eiwittaalmodellen om de zoekruimte van dynamische programmeeralignement dynamisch te snoeien, waardoor een bijna exacte nauwkeurigheid wordt bereikt terwijl de computationele complexiteit aanzienlijk wordt verminderd en hoogdoorvoerverwerking van grote, uitdagende eiwitsequenties mogelijk wordt gemaakt.
Het artikel introduceert EISCA en EISTA, gestandaardiseerde, modulaire en schaalbare Nextflow-pipelines gebouwd op het nf-core-framework die uitgebreide, end-to-end oplossingen bieden voor het analyseren van respectievelijk single-cell en hoog-resolutie ruimtelijke transcriptomics-data om reproduceerbare biologische ontdekking te versnellen.
Deze studie toont aan dat een doelgericht getrainde fungale ITS-embedding niet beter presteert dan een correct geconfigureerde alignment-gebaseerde benadering in een open-wereld evaluatie, wat onthult dat methodologische gebreken zoals heuristische standaardinstellingen, ontbrekende dekkingfilters en datalekken — en niet de representatie zelf — verantwoordelijk waren voor de eerder gerapporteerde voordelen van geleerde embeddings.
Deze studie stelt een op aandacht gebaseerd graph neural network-framework voor dat gegevens van gewasproeven uit meerdere omgevingen benut om de opbrengst te voorspellen, terwijl het gelijktijdig interpreteerbare, omgevingsspecifieke marker-rangschikkingen genereert om contextafhankelijke genomische signalen en door het weer gedreven genetische interacties te ontdekken.
Het artikel introduceert DELPHI, een open-source platform dat laboratoria in staat stelt om sequentiegebaseerde voorspellers voor de ontwikkelbaarheid van antilichamen te trainen, te evalueren en te interpreteren met behulp van rigoureuze kruisvalidatie, waarbij een hoge prestatie wordt behaald op zowel propriëtaire als publieke datasets zonder dat toegang tot propriëtaire trainingsdata vereist is.
Het artikel introduceert FedEdgeR, een op multi-party computation gebaseerd federated learning-framework dat privacy-bewuste differentiële genexpressie-analyse met behulp van edgeR mogelijk maakt, waarbij wordt aangetoond dat de prestaties gelijkwaardig zijn aan gecentraliseerde analyse en superieur aan traditionele meta-analyse methoden over diverse RNA-seq datasets heen.
Dit artikel introduceert "phylogenetic parallelograms", een open-source interactieve tool die een willekeurig aantal discordante fylogenetische bomen binnen een gemeenschappelijk netwerkscaffold visualiseert en vergelijkt om hun topologische overeenkomsten en conflicten beter te onthullen dan traditionele tanglegrams.