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.
Deze studie introduceert EnzyGen2, een krachtig AI-model dat in staat is om gelijktijdig sequentie en structuur van volledig nieuwe enzymen te ontwerpen die onder leiding van liganden functioneren, waarbij experimentele validaties aantonen dat deze kunstmatige enzymen vergelijkbare of superieure katalytische activiteit vertonen ten opzichte van natuurlijke enzymen.
Dit artikel introduceert Flipper, een geavanceerd framework dat het DESeq2-model aanpast om eCLIP-gegevens te analyseren en zo een robuuste, specifieke en gevoelige methode biedt voor het identificeren van differentiële RNA-bindingsgedragingen van RNA-bindende eiwitten, waarbij technische variatie en expressie-gedreven effecten correct worden verwerkt.
Dit artikel introduceert het R-pakket WayFindR, dat pathway-data van WikiPathways en KEGG omzet in grafische structuren om te analyseren dat negatieve feedbacklussen in bestaande databases vaak ontbreken, wat wijst op de noodzaak van verbeterde datacuratie voor een beter begrip van biologische regelmechanismen.
Dit paper introduceert MoCoO, een modulair framework dat Variational Autoencoders, Neuraale ODE's en Momentum Contrast combineert met Flow Matching-refinement om de representatiekwaliteit en clustering van scRNA-seq-gegevens voor celtrajectinferentie systematisch te verbeteren.
Deze studie toont aan dat patiëntstratificatie in scRNA-seq-cohorten voornamelijk wordt gedreven door celtype-samenstelling, waarbij een eenvoudige compositional data-analyse (geïmplementeerd in het R-pakket scECODA) complexere methoden overtreft door betere prestaties, minder rekenkracht en directere biologische interpretatie te bieden.
Hoewel eiwit-taalmodelgebaseerde decoys minder duidelijke sequentie-artefacten vertonen dan klassieke methoden, bieden ze in volledige zoekpijplijnen nog geen overtuigend voordeel boven de bewezen 'reverse decoys' en worden ze daarom vooral aanbevolen als diagnostisch hulpmiddel voor stress-tests en toekomstige optimalisatie.
In dit onderzoek wordt een uitgebreide bibliotheek van meer dan 34.000 unieke MS/MS-spectra voor acylcarnitines gegenereerd door middel van pan-repository data mining, waardoor nieuwe verbindingen kunnen worden geïdentificeerd en het metabolische landschap van carnitines beter kan worden verkend.
In dit artikel wordt Carafe2 voorgesteld, een softwaretool die diepe leermodellen gebruikt om direct op timsTOF DIA-ruwe data te trainen en zo experiment-specifieke, hoogwaardige *in silico* spectraallibraries genereert die de peptide-detectie en -kwantificatie aanzienlijk verbeteren ten opzichte van bestaande methoden.
Dit artikel introduceert Parallel-REM, een schaalbaar Python-pipeline dat de computationele beperkingen van bestaande R-implementaties voor microbiomenetwerkinferentie oplost door middel van parallelisatie en robuuste filtering, waardoor de verwerkingstijd voor grote datasets van dagen naar minuten wordt gereduceerd met behoud van >99,9% concordantie voor gebruik in moderne AI-architecturen.
Dit artikel introduceert BCAR, een snelle en algemene mapper voor barcode-sequenties die sequencingfouten corrigeert door kwaliteitscores en alle beschikbare bewijs per base te integreren, waardoor het bestaande methoden overtreft bij het onderscheiden van echte mutaties van fouten.