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 paper introduceert TPCAV, een verbeterde concept-attributiemethode die het interpreteren van genomics-deeplearningmodellen mogelijk maakt door zowel traditionele DNA-volgordepatronen als bredere biologische kenmerken zoals chromatinestaten en repetitieve elementen te analyseren.
Dit artikel introduceert de Linearized Compressed Polar Coordinates (LCPC) Transform, een nieuw algoritme dat de ruimtelijke morfologie en context van 2D- en 3D-celkweek, inclusief chirale eigenschappen die traditionele metingen missen, kwantificeert om nieuwe inzichten te krijgen in resistentie tegen behandelingen.
Deze studie introduceert MultiStateFold (MSFold), een framework dat Parallel Tempering integreert in de discrete tokenruimte van het ESM3-model om de beperkingen van bestaande methoden zoals AlphaFold 3 te overwinnen en zo nauwkeurig meerdere metastabiele eiwitconformaties te voorspellen.
Deze studie presenteert een adaptief integratiekader dat meerdere heterogene foundation-modellen voor computationele pathologie combineert om, met behulp van ruimtelijke transcriptomics, nauwkeuriger en interpreteerbaar histologisch voorspelbare genen in borstkanker te identificeren.
Dit artikel introduceert een modulair raamwerk dat ruimtelijke transcriptomics en single-cell multiome-data integreert om ruimtelijk opgeloste regulatoire programma's in melanoomweefsel af te leiden, waarbij wordt aangetoond dat de keuze van de toewijzingsstrategie de stabiliteit van deze inferentie aanzienlijk beïnvloedt.
De auteurs presenteren GeoARG, een geometrie-gestuurde framework dat structurele kenmerken integreert met taalkundige modellen voor eiwitten om evolutionair verre antibiotica-resistentiegenen te ontdekken die door traditionele sequentie-analyse over het hoofd worden gezien, wat leidt tot de identificatie van 1.485 nieuwe kandidaat-genen.
Deze studie toont aan dat het UBL3-domein zich onderscheidt door een unieke, helix-gedreven dynamische controle die essentieel is voor zijn functie in eiwittrafficking en ziektegerelateerde mechanismen.
Deze studie introduceert een geometrie-bewust kader voor ligand-receptor-analyse dat interface-associatie onderscheidt van ruimtelijke lokalisatie, waardoor tumorcommunicatie beter wordt begrepen als een continuüm van ruimtelijke beperkingen in plaats van discrete communicatieregimes.
Dit onderzoek toont aan dat het gecombineerd corrigeren voor zowel expression-based surrogate variables als genotype-gebaseerde hoofdcomponenten in differentiaalexpressie-analyses leidt tot aanzienlijk betere reproduceerbaarheid en biologische validiteit dan het gebruik van slechts één van deze methoden, en beveelt deze gecombineerde aanpak aan als standaardpraktijk bij beschikbare genotype-data.
In dit artikel wordt 'sosta', een open-source Bioconductor-pakket, voorgesteld om ruimtelijke omics-data te analyseren op basis van meercellige anatomische structuren in plaats van enkelvoudige cellen.