1012 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.
MoE-Bind introduceert de eerste sparse Mixture-of-Experts-architectuur voor de novo generatie van eiwitbinders, waarmee een snellere, efficiëntere en interpreteerbare sequentie-alleen ontwerp wordt bereikt dat de dense baselines evenaart of overtreft zonder voorafgaande structurele informatie te vereisen.
Dit artikel introduceert Latent Event Mapping (LEMING), een schaalbare en interpreteerbare ongesuperviseerde modelleringsmethode die voxel-niveau trajecten van multimodale neuroimaging-veranderingen bij de ziekte van Alzheimer reconstrueert, waarmee nieuwe inzichten worden verkregen in progressie-afhankelijke mechanismen zoals de laat-stadium associatie tussen acetylcholinereceptor-dichtheid en amyloïde pathologie.
Het artikel introduceert STITCH, een interpreteerbare methode gebaseerd op tangentiële hoofdcomponentanalyse in een Kendall-vormvariëteit die effectief de onafhankelijke vorm van cellen koppelt aan genexpressie in ruimtelijke transcriptomica, waarbij het bestaande deep learning-benaderingen overtreft in het identificeren van biologisch relevante vorm-transcriptoomrelaties over diverse datasets heen.
Deze studie introduceert een split conformal prediction-framework toegepast op de BeatAML 2.0-cohort die er succesvol in slaagt statistisch gekalibreerde onzekerheidsintervallen te genereren voor patiëntniveau AML-genezensgevoeligheidsvoorspellingen, waarbij verschillende onzekerheidspatronen over medicijnklassen heen worden onthuld terwijl wordt aangetoond dat dergelijke onzekerheid onafhankelijk is van standaard moleculaire risicoclassificaties.
Het artikel introduceert scCRAFT+, een robuust semi-ge�superviseerd scRNA-seq integratiemodel dat Virtual Adversarial Training gebruikt om markergen-informatie te incorporeren, waardoor de beperkingen van bestaande methoden worden overwonnen in het behouden van fijnmazige celsubtype-onderscheidingen en het verbeteren van annotatienauwkeurigheid, zelfs met ruisige of onvolledige marker-sets.
Pillbox is een op lekdetectie gecontroleerde foundation-model voorspeller die CpGPT, CLAMP en genexpressie-embeddings integreert via FiLM-geconditioneerde graph attention om een hoge nauwkeurigheid te bereiken in de voorspelling van kankermedicijnrespons, terwijl het cross-architecturale residuele correlatie gebruikt om feature-stack verzadiging te diagnosticeren en te bevestigen dat weefsellijnage de dominante factor blijft in medicijnrespons.
Dit artikel introduceert GermRL, een lichtgewicht reinforcement learning-framework dat effectief de germline-bias in autoregressieve antilichaam-taalmodellen vermindert, waardoor de one-shot generatie van structureel plausibele, diverse antilichaamkandidaten met hoge mutatiedrempels vanuit germline-sequenties voor therapeutische ontdekking mogelijk wordt.
DivQuant is een optimalisatiegebaseerde tool die de schatting van soortrijkdom en Shannon-entropie uit kleine steekproeven verbetert door het probleem te formuleren als een convex kwadratisch programmeerprogramma met een Neyman -doelfunctie, waardoor het goed gekalibreerde betrouwbaarheidsintervallen en een superieure nauwkeurigheid bereikt vergeleken met de huidige state-of-the-art methoden over diverse biologische datasets heen.
De T21 Research Assistant is een sectiebewust retrieval-augmented generation-systeem gebouwd op NVIDIA Nemotron-modellen dat prioriteit geeft aan experimentele resultaten uit 1.789 open-access publicaties over het syndroom van Down om strikt geciteerde, op bewijs gebaseerde antwoorden te bieden op onderzoeksvragen.
EditorForge is een modulair framework dat inverse-folding-gebaseerde eiwitredesign verbetert door expliciete designmaskers, actieve-site-afscherming en structurele kwaliteitscontrole te integreren om veilig beperkte, hoog-betrouwbare sequentie-kandidaten te genereren voor enzym- en genoom-editor-domeinen.