766 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 spatialFDA, een open-source R-pakket dat methoden uit ruimtelijke statistiek en functionele data-analyse combineert om verschillen in de ruimtelijke co-localisatie van cellen tussen verschillende condities nauwkeurig te kwantificeren en te testen.
Dit onderzoek presenteert een geavanceerd end-to-end framework dat sequentie- en structuurinformatie combineert om de zelfassociatie van antilichamen, gemeten via CSI-BLI, succesvol te voorspellen en zo een cruciale rol speelt in de vroege screening van ontwikkelbaarheid.
Deze studie introduceert deepHTL, een geavanceerd statistisch raamwerk dat op basis van nationale longtransplantatiedata aantoont dat het voordeel van een bilaterale longtransplantatie ten opzichte van een unilaterale sterk varieert afhankelijk van patiëntkenmerken, waarbij jongere en minder risicovolle patiënten het meeste baat hebben.
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.
Het artikel introduceert MAJEC, een geïntegreerd EM-framework dat RNA-seq-gegevens efficiënt analyseert om genen, transcript-isoformen en individuele transposabele element-loci gelijktijdig en nauwkeurig te kwantificeren, waardoor de vervuiling van TE-signalen door gen-overlappingen aanzienlijk wordt verminderd ten opzichte van bestaande methoden.
Dit artikel presenteert een hiërarchie-bewust platform voor de analyse van transcriptomische data dat biologische kennis integreert om de interpretatie van genexpressiepatronen bij acetaminofen-geïnduceerde hepatotoxiciteit aanzienlijk te verbeteren.