1178 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.
Pycea is een open-source Python-toolkit die het TreeData-formaat introduceert om lineage-boomgegevens naadloos te integreren met single-cell metingen binnen het scverse-ecosysteem, wat schaalbare analyse, visualisatie en statistische inferentie voor cellulaire lineage tracing mogelijk maakt.
Deze studie maakt gebruik van een offline structuurvoorspellings- en zoekpijplijn om de onkarakteriseerde salivaire extracellulaire vesikel-cargo van de medicinale bloedzuiger *Hirudinaria manillensis* te annoteren, waarbij succesvol een Ly-6/uPAR drievingerige vouw aan één kandidaat is toegewezen, terwijl twee structureel onopgeloste eiwitten werden geïdentificeerd en een geconserveerd trypsin-achtig genmodel werd gevalideerd.
Deze longitudinale proteomische heranalyse van tuberculosepatiënten onthult dat hoewel de behandeling een brede herstel van inflammatoire en nutritioneel-metabole proteïnesystemen bij zowel ondervoede als normale gewicht individuen aanstuurt, de op basis van BMI gedefinieerde ondervoeding het verloop van dit herstel niet significant verandert, hoewel de studie onvoldoende krachtig blijft om definitief gelijkwaardigheid tussen de groepen vast te stellen.
Het artikel introduceert **smoothclust**, een R-pakket dat een op ruimtelijke smoothing gebaseerde clustering-workflow en een nieuwe grens-densiteitsmetriek biedt om interpreteerbare ruimtelijke domeinlabels te genereren en de organisatie van weefselarchitectuur in ruimtelijke transcriptomics-data te kwantificeren.
CellMethMarker is een uitgebreide, gecureerde database die honderdduizenden de novo en uit de literatuur afgeleide DNA-methylatiemarkers integreert om cel- en weefselspecifieke identiteitsinferentie, visualisatie en verbeterde deconvolutie van methylomen mogelijk te maken.
Neopep is een sequentie-geconditioneerd diffusiemodel dat het tekort aan data bij de voorspelling van niet-canonieke peptide-structuren overwint door gebruik te maken van reinforcement learning om een generatief model te verfijnen met behulp van een door machine learning afgeleid krachtveld-energie, waardoor het een hogere nauwkeurigheid bereikt dan bestaande state-of-the-art methoden.
GLOM-TGITO is een multiscale eiwitontwerpkader dat globale-lokale fluorescentievoorspelling integreert met multiview landscape-geleide optimalisatie om efficiënt hoog-actieve, betrouwbare en nieuwe eiwitvarianten te ontdekken, waarbij het bestaande methoden overtreft in zowel voorspellende nauwkeurigheid als in de identificatie van structureel stabiele kandidaten.
De NK-RCPP-workflow toont aan dat het integreren van receptor-gematchte on-target scores met structurele-naburige vergelijkingen de prioritering van neurokinine-receptor peptidekandidaten aanzienlijk verfijnt, wat resulteert in een onderscheidende shortlist die verschilt van selecties die uitsluitend gebaseerd zijn op on-target activiteit.
Het artikel stelt MPFIL voor, een raamwerk voor integratie van kenmerken op meerdere niveaus dat structurele en sequentiële informatie combineert om mutatie-geïnduceerde veranderingen in de bindingsaffiniteit tussen eiwitten effectief te voorspellen, waarbij het een competitieve prestatie over meerdere benchmark-datasets aantoont.
Dit artikel presenteert Omnibenchmark, een reproduceerbaar en gestandaardiseerd framework dat de evaluatie van single-cell RNA-sequencing preprocessing pipelines verenigt om inconsistenties in bestaande benchmarks aan te pakken en meer flexibele, uitbreidbare methodevergelijkingen te faciliteren.