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.
OpenAc4C is een uitgebreide, gratis toegankelijke kennisbank die voor het eerst het ac4C-epitranscriptoom over diverse soorten in kaart brengt en functionele inzichten biedt in de regulatie en ziektepathogenese via een diep leernetwerk en een gebruiksvriendelijk webplatform.
Dit artikel introduceert VDJcraft, de eerste geïntegreerde pipeline voor de nauwkeurige analyse van V(D)J-recombinatie met behulp van lange-read transcriptoomdata, die niet alleen de detectie van genen en recombinaties verbetert ten opzichte van bestaande methoden, maar ook de ontdekking van nieuwe gen-varianten en ziekte-geassocieerde immuunpatronen, zoals tijdens COVID-19, mogelijk maakt.
Deze paper introduceert drie nieuwe schatters voor mutatiesnelheden die gebaseerd zijn op k-mers en robuust zijn tegen herhalende sequenties, waarmee ze de beperkingen van bestaande methoden oplossen en superieure prestaties leveren bij het analyseren van repetitief DNA zoals alpha-satellieten.
Deze paper introduceert GP-GHS, een Bayesiaans framework dat gebruikmaakt van Hilbert-ruimte-Gaussian-processen en een groepshorseshoe-prior om ruimtelijk variërende cellulaire interactienetwerken uit multiplex weefselbeeldvorming te reconstrueren, waardoor een nauwkeurige identificatie van subtype-specifieke immunosuppressieve netwerken in colorectale kanker mogelijk wordt.
Deze studie presenteert een interpreteerbaar, op aandacht gebaseerd deep learning-framework dat mRNA, miRNA en DNA-methylatie data integreert om de prognose van hepatocellulair carcinoma (HCC) significant te verbeteren ten opzichte van bestaande modellen, terwijl het tegelijkertijd biologisch relevante biomarkers identificeert.
Dit artikel introduceert ProDive, een algoritme dat systematisch kruisfamilie-hergebruik van korte eiwitfragmenten aantoont, wat suggereert dat dit fenomeen voortkomt uit gedeelde biofysische eisen voor vroege vouwing in plaats van van specifieke familiegebonden functies.
Dit artikel introduceert INAEME, een geavanceerde bioinformatische workflow die voor de eerste keer de volledige reeks mutatiegebeurtenissen, waaronder faserings- en transcriptie-effecten, integreert om nauwkeurigere neoantigeenkandidaten te identificeren voor kankerimmunotherapie.
Deze studie toont aan dat het combineren van fijnkorrelige structurele informatie met globale metrics in een compact regressiemodel (STRAND) de voorspellende nauwkeurigheid voor mRNA-stabiliteit aanzienlijk verbetert ten opzichte van bestaande methoden.
Deze studie biedt een uitgebreide benchmark van long-read RNA-seq in bulk en single-cell iNeurons, waarbij ze verschillende technologieën, sequentie-diepten en kwantificeringsmethoden vergelijken om praktische richtlijnen voor experimentontwerp te geven en de biologie van FMR1 verder te onderzoeken.
De auteurs presenteren PanTEon, een reproducible en schaalbaar deep learning-framework dat een gestandaardiseerde database en een modulair benchmarkplatform combineert om de classificatie van transposabele elementen over verschillende koninkrijken te verbeteren en de uitdagingen bij de generalisatie tussen soorten aan te pakken.