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.
labapi is een Python-bibliotheek die computationele workflows en het LabArchives elektronische laboratoriumnotitieboekwerk overbrugt door de platte API te vertalen naar een intuïtief objectmodel, waardoor het naadloos lezen en schrijven van experimentele gegevens wordt geautomatiseerd om handmatige uploads te elimineren.
PharmCast is een feedforward neuraal netwerk dat snel en nauwkeurig 3D-farmacofoor vingerafdrukken voorspelt direct vanuit 2D SMILES-strings zonder confoormgeneratie, wat efficiënte virtuele screening en scaffold hopping mogelijk maakt tegen een fractie van de computationele kosten van traditionele methoden.
Dit artikel identificeert en adresseert de kritieke kwestie van systematische voorspellingsbias in op machine learning gebaseerde verouderingsklokken, die downstream associatieanalyses kunnen verstoren, door een geoptimaliseerd raamwerk met beperkingen voor te stellen om een geldige biologische leeftijdschatting en inferentie te waarborgen.
RevPert is een gallery-native reverse perturbatie model dat prioriteit geeft aan kandidaat genetische drijvers van transcriptomische staatsovergangen door een gesigneerde Pearson-connectiviteit te combineren met een geleerd residu, waarbij het een superieure prestatie demonstreert bij het herstellen van uitgesloten interventies en het identificeren van ziekte-relevante ankers vergeleken met bestaande baselines.
Dit artikel toont aan dat een eenvoudige, enkel op sequenties gebaseerde pipeline die 330 interpreteerbare descriptoren combineert met het TabPFN-fundamentiemodel, complexe, op structuur geconditioneerde deep learning-benaderingen overtreft bij multi-label antimicrobiële peptideprofilering op de ESCAPE-benchmark, waarbij een state-of-the-art nauwkeurigheid wordt bereikt zonder de noodzaak van gradiëntgebaseerde training of structurele data.
Deze studie toont aan dat covariantieniet-stationariteit een wijdverbreid en biologisch significant kenmerk is in ruimtelijke transcriptomica dat gangbare Gaussische procesveronderstellingen schendt, wat derhalve een herwaardering noodzakelijk maakt van hoe ruimtelijk variërende genen worden gekarakteriseerd en gecategoriseerd.
Het artikel introduceert Kompot, een cluster-vrij statistisch raamwerk dat vergelijkende analyse van multi-conditie data op single-cell resolutie mogelijk maakt door celdichtheid en genexpressie te modelleren als continue functies om zowel differentiële abundantie als gelokaliseerde, heterogene transcriptionele veranderingen te detecteren zonder afhankelijk te zijn van vooraf gedefinieerde celtypen.
Deze studie maakt gebruik van een gelaagde bio-informatische benadering om de robuuste, geslachtsspecifieke transcriptionele signatuur van menselijke skeletspieren in reactie op herhaaldelijk rillen te karakteriseren, waarbij wordt onthuld hoe deze moleculaire adaptaties afnemen bij koude-acclimatisatie en nieuwe mechanistische inzichten biedt in verbeterde metabole gezondheid.
Deze studie integreert experimentele biofysische analyses en computationele simulaties om de pH-afhankelijke structurele dynamiek en conformationele plasticiteit van het Denguevirus NS2B-NS3-protease te karakteriseren, wat cruciale inzichten biedt voor het rationeel ontwerp van pH-specifieke antivirale remmers.
CoTRA is een open-source, modulair R/Shiny-framework dat transparante en reproduceerbare workflows verenigt voor zowel bulk als single-cell RNA-seq analyse, waarbij het uitgebreide functionaliteit, cross-platform compatibiliteit en gevalideerde prestaties biedt die vergelijkbaar zijn met of de bestaande tools overtreffen.