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.
Dit artikel presenteert een methodologie om de experimentele zoekruimte van eiwit-eiwitinteractie (PPI) schermen te reconstrueren om waarschijnlijke niet-interagerende eiwitparen af te leiden, waardoor een betere foutenratestatistiek, modelkalibratie en verbeterde machine learning-training mogelijk worden voor een nauwkeurigere en completere mapping van het menselijke interactoom.
Het artikel introduceert Inverse FoldDir, een controleerbare inverse-folding methode gebaseerd op Dirichlet flow matching die diverse, experimenteel gevalideerde eiwitsequenties genereert met door de gebruiker gedefinieerde restricties door iteratieve denosing uit te voeren op de aminozuurwaarschijnlijkheidssimplex, waarbij staat-van-de-kunst structurele herstelmetrieken bereikt en succesvolle functionele herontwerp van een anti-GFP nanobody realiseert.
Deze studie introduceert het perturbatie-bewuste Neural ODE (pNODE) framework, dat traditionele modellen overtreft door de dynamiek van het darmmicrobioom nauwkeurig te voorspellen en darmgerelateerde bloedbaaninfecties bij kankerpatiënten die een allogene hematopoëtische celtransplantatie ondergaan te voorspellen door de integratie van microbiële abundanties en tijd-opgeloste antibioticum-perturbaties.
Deze studie benchmarkt systematisch pipelines voor kleine variantidentificatie en haplotype-fasing voor long-read RNA-sequencing over diverse datasets en technologieën heen, waarbij wordt onthuld dat de sequentiekwaliteit de primaire prestatiebepalende factor is, terwijl Clair3-RNA, DeepVariant en longcallR als top callers worden geïdentificeerd en WhatsHap of HapCUT2 als optimale phasing-tools afhankelijk van de specifieke context.
Deze studie으로 toont aan dat hoewel deep-learning classificaties voor schimmel-ITS-sequenties een hoge nauwkeurigheid bereiken op volledige referentien, ze dramatisch falen op de veelgebruikte ITS2-subregio door te vertrouwen op flankerende regio's in plaats van op de barcode zelf, waardoor klassieke baseline-methoden de deep-learning methoden aanzienlijk overtreffen in realistische scenario's van omgevingsmetabarcoding.
Het artikel introduceert Cavebear, een machine learning-framework dat referentie-scRNA-seq tijdreeksgegevens van één soort of conditie gebruikt om accuraat pseudotijd te infereren en biologische veroudering of ziekteprogressie in query-contexten zonder betrouwbare temporele labels in kaart te brengen.
Dit onderzoek toont aan dat het Hamiltonian Auto Decomposition Optimisation Framework (HADOF) de huidige NISQ-hardwarebeperkingen kan overwinnen om succesvol een 7,1 miljoen basenparen groot *Pseudomonas aeruginosa*-genoom te assembleren op echte quantumhardware, waarbij een genoomfractie van 99,348% wordt bereikt en de levensvatbaarheid van schaalbare quantumoptimalisatie voor grootschalige wetenschappelijke workloads wordt bewezen.
Dit artikel introduceert PLI-Parallax, een uitgebreide dataset die voorspelde en experimentele eiwit-ligandstructuren integreert met gekalibreerde nauwkeurigheidslabels en strikte evaluatiesplitsingen, wat de schatting van de betrouwbaarheid van voorspellingen mogelijk maakt door middel van methodeovereenstemming, zelfs bij afwezigheid van een experimentele grondwaarheid.
scAtlasPy is een nieuw, disk-resident computing framework dat de geheugenbeperkingen van standaard werkstations overwint, waardoor volledige resolutie-analyse van enorme single-cell atlasen (bijv. 100 miljoen cellen) mogelijk wordt met aanzienlijk lager geheugengebruik en hogere verwerkingssnelheden vergeleken met bestaande state-of-the-art platforms.
Deze studie identificeert een reproduceerbare, hogere orde "functionele organisatie" in vasculaire ziekte die individuele gen- of pathwayvariaties overstijgt, waarbij wordt onthuld dat cardiovasculaire remodellering bij uiteenlopende condities en celtypen wordt gedreven door een gecoördineerde, dynamische herbalancering van zes geconserveerde biologische functies.