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.
De auteur presenteert een snelle k-mer-gebaseerde methode om genetische codes direct uit geassembleerde genomen te afleiden, waardoor duizenden nieuwe bacteriële en archaeale sequenties kunnen worden geanalyseerd en nieuwe variaties, waaronder de eerste zintuiglijke codonhertoewijzing bij archaea, zijn ontdekt.
NovoTax is een end-to-end pipeline die prokaryote stammen direct identificeert uit ruwe proteomics-data via *de novo* peptidesequencing, waardoor een diepere analyse met traditionele zoekmachines mogelijk wordt.
Dit onderzoek toont aan dat circadiane timing een cruciale rol speelt in de ontwikkeling van myopie door gecoördineerde genexpressie tussen het netvlies en de choroid te sturen, waarbij specifieke tijdsvensters (ZT8-ZT12) en geconserveerde moleculaire pathways ook relevant zijn voor de mens.
Dit artikel betoogt dat Large Language Models onbetrouwbaar zijn voor exhaustieve feitelijke vragen in de plantkunde en pleit voor de ontwikkeling van herhaalbare, bron-gebaseerde antwoorden via een grafgebaseerde retrieval-augmented generation (GraphRAG)-architectuur die gebruikmaakt van gestructureerde kennisgrafen.
Deze paper introduceert EV-Net, een bioinformatica-tool die is ontwikkeld om de effecten van extracellulaire vesikel-cargo op ontvangende weefsels te modelleren en zo de bestaande beperkingen in het in silico onderzoek naar EV-gemedieerde communicatie op te lossen.
Dit onderzoek presenteert een nieuwe multimodale fusiemethode voor circulaire functionele data van fundusbeelden en optische coherentietomografie om heterogene neuroretinale afwijkingen bij glaucoom te identificeren en robuustere klinische biomerkers te genereren.
Dit paper introduceert sctrial, een open-source Python-framework dat pseudoreplicatie in longitudinale single-cell RNA-sequencing-studies voorkomt door inferentie op participantniveau uit te voeren, wat leidt tot beter gekalibreerde foutenmarges en betrouwbaardere biologische interpretaties in klinische trials.
Deze paper introduceert Halo, een voorgeïmplementeerde deep-learningmodel dat nauwkeurige hele-cel segmentatie mogelijk maakt in ruimtelijke transcriptomics door kernmorphologie te combineren met RNA-transcriptverdeling, waardoor de beperkingen van bestaande methoden die alleen op kernstaining vertrouwen, worden overwonnen.
Deze studie identificeert via geïntegreerde transcriptomische en netwerkanalyse van TCGA-gegevens cruciale hub-genen, zoals CDK1 en MMP9, die veelbelovende prognostische biomerkers en therapeutische doelwitten vormen voor orale plaveiselcelcarcinoom.
Dit paper introduceert GenoJEPA, een efficiënt framework voor genomische representatieleren dat via een gezamenlijke-embedding voorspellende architectuur de afhankelijkheid van dure fijne afstemming elimineert en robuuste, schaalbare modellen biedt voor diverse biologische taken.