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.
Dit artikel toont aan dat cross-modale pretraining van een single-cell foundation model met proteomica-data superieure gen-niveau en cel-niveau representaties en een betere generalisatie oplevert dan het simpelweg opschalen van RNA-only modellen, wat de waarde van multimodale training boven louter parameter-opschaling benadrukt.
Dit artikel introduceert "sigRecon", een uitgebreid benchmarking-framework en een open-source R-pakket dat methoden voor het voorspellen van perturbatiesignaturen over diverse biologische contexten systematisch evalueert, waarbij wordt onthuld dat projectie- en netwerkgebaseerde benaderingen complexe deep learning-modellen vaak evenaren of overtreffen, terwijl de belangrijkste factoren die de cross-context generalisatie beïnvloeden worden belicht.
Cell-Hub is een gratis, open-source, op Docker gebaseerde grafische interface gebouwd op R/Shiny die end-to-end single-cell RNA-sequencing analyse democratiseert door geavanceerde tools zoals Seurat 5, CellChat 2 en Monocle 3 te integreren in een verenigd, no-code platform voor onderzoekers van alle computationele achtergronden.
Deze studie toont aan dat het gebruik van IUPAC-consensusreferenties met de ambiguïteitsbewuste aligner novoAlign de detectie van varianten in short-reads in klinisch uitdagende genomische regio's significant verbetert vergeleken met standaard lineaire referenties, terwijl het het open-source BurdenBench-framework introduceert om de caller-specifieke precisie-recall-afwegingen en het netto klinische voordeel beter te evalueren.
Het artikel introduceert "disize", een nieuwe RNA-seq normalisatiemethode die informatie over het experimentele ontwerp benut via een aangepast algemeen lineair gemengd model om groottefactoren nauwkeuriger te schatten en de daaropvolgende differentiële expressieanalyse te verbeteren, met name in uitdagende scenario's met wijdverspreide expressieveranderingen.
RapidMACS is een open-source, byte-identiek alternatief voor MACS3 voor narrow peak calling dat door algoritmische optimalisaties zoals parallelle verwerking en in-memory afhandeling een snelheidswinst van 3,5 tot 51 keer bereikt, waardoor naadloze integratie in high-throughput pipelines mogelijk is zonder dat een Python-runtime vereist is.
Deze studie benchmarkt vier grote taalmodellen op het genereren van fenotype-genotype-associaties en stelt vast dat hoewel ze een aanzienlijk volume aan kandidaten kunnen produceren met matige tot sterke externe validatieondersteuning, hun nauwkeurigheid aanzienlijk varieert per type associatie en model, wat het cruciale belang van rigoureuze validatiepijplijnen onderstreept.
Dit artikel introduceert de AutoMated Alignment and Projection (AMAP) pipeline om het Human Reference Atlas-ecosysteem te schalen door middel van cross-atlas dataprojectie en geautomatiseerde bulkregistratie van weefselpreparaten, waardoor handmatige beperkingen in middelen worden overwonnen en de constructie van gedetailleerde, multi-orgaan referentiemaps wordt gefaciliteerd.
Het artikel introduceert MeSyTo, een open-source, ontologie-gestuurd framework dat metadata voor toxicologische omics-studies harmoniseert door diverse rapportagestandaarden semantisch af te stemmen om consistente annotatie, geautomatiseerde validatie en interoperabele gegevensuitwisseling over transcriptomics, proteomics en metabolomics mogelijk te maken.
Deze studie integreert transcriptomische datasets van de gastheer en kleine RNA-datasets van de vector om een nauw gesynchroniseerde tripartiete moleculaire kruisbestuiving tussen de antivirale immuniteit van tomaat, de accumulatie van Begomovirus siRNA en de kleine RNA-remodellering van *Bemisia tabaci* te onthullen, waarbij specifieke cross-kingdom regulatoire modules worden geïdentificeerd als veelbelovende doelwitten voor dual-action RNA-interferentiestrategieën om virusoverdracht te beheersen.