869 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.
Met behulp van dichtheidsfunctionaaltheorie-berekeningen stelt deze studie een nieuw, katalysatorvrij radicaalchemisch pad voor voor de vorming van glycine-dipeptiden onder prebiotische omstandigheden, gekenmerkt door lage elektronische energiebarrières en ondersteund door gedetailleerde analyses van intermediaire radicaaleigenschappen.
Het artikel introduceert Tx2Mol, een transcriptoom-gestuurd framework dat genexpressie-handtekeningen vertaalt naar chemisch plausibele en biologisch relevante de novo moleculen, waarbij een superieure prestatie wordt aangetoond ten opzichte van bestaande baselines in het behouden van fenotypische responsen over bulk-, single-cell- en patiënt-afgeleide ziektecontexten heen.
Het artikel introduceert pyfraglib, een uitgebreid Python-gebaseerd platform dat cfDNA-fragmentextractie, statistische modellering, cohort-niveau vergelijkende analyse en in silico simulatie integreert om end-to-end fragmentomics-workflows mogelijk te maken, die succesvol werden gevalideerd op zowel gesimuleerde data als echte monsters van centrale zenuwstelsel lymfomen om prognostische subgroepen te identificeren.
Dit artikel presenteert een publiek toegankelijke, webgebaseerde geautomatiseerde pijplijn die whole-genome sequencing-data integreert met uitgebreide tools voor gevarenkarakterisering om een transparante, reproduceerbare en regelgebaseerde risicobeoordelingsworkflow voor microbiële pesticiden te bieden, wat significante verbeteringen biedt ten opzichte van bestaande regulatoire methoden.
Dit artikel introduceert het R-pakket `sbivar`, dat een reeks aangepaste statistische toetsen en variantieschatters biedt om bivariante ruimtelijke associaties tussen multi-omics modaliteiten met disjuncte coördinaten rigoureus te beoordelen, terwijl er op de juiste wijze rekening wordt gehouden met ruimtelijke autocorrelatie en computationele uitdagingen in hoge dimensies.
Deze studie onthult dat diverse darmbacteriofagen convergent geëvolueerde cysteïnerijke hoofdcapside-eiwitten hebben met begraven, hooggeconserveerde residuen, wat wijst op een structurele adaptatie die capsiden stabiliseert tegen de vijandige darmomgeving.
Deze studie onthult dat huidige voorspellers van missense-pathogeniteit, die primair zijn getraind op loss-of-function-varianten, activerende kankerdrivers systematisch onderschatten vanwege hun afwijkende structurele en evolutionaire kenmerken, wat de auteurs ertoe aanzet om een vrij gelicenseerde benchmark, per gen gekalibreerde kaarten en een hergekalibreerd kader (OncoCal) te verstrekken om de interpretatie van somatische varianten te verbeteren.
Hobrac is een geautomatiseerde, gratis beschikbare workflow die de vergelijking van volledige genomen en syntenie-visualisatie stroomlijnt door automatische selectie van referentiegenomen te integreren met gen-gebaseerde structurele analyse om uitdagingen in assemblagevalidatie en evolutionaire studies te overwinnen.
Het artikel introduceert PepCL, een op replay gebaseerd continual learning-framework gekoppeld aan een nieuw state-of-the-art model genaamd MHCPrime, dat peptide-MHC voorspellers in staat stelt om nieuwe experimentele assay-data te integreren terwijl eerdere massaspectrometrie-kennis behouden blijft om catastrofale vergetelheid te overwinnen en de voorspellende prestaties over diverse biologische contexten te verbeteren.
Dit artikel introduceert een volledig de novo methode gebaseerd op "extended t-cores" binnen compacte De Bruijn-grafen om effectief transponeerbare elementen en andere inexacte repeats te identificeren en te onderscheiden direct uit short-read RNA-seq data zonder dat een referentiegenoom vereist is.