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.
De auteurs hebben een open-source, op UNet gebaseerde geautomatiseerde segmentatietool genaamd 'OCTOPUS' ontwikkeld die een hoge nauwkeurigheid bereikt bij het detecteren van retinale dysplasie in muis-OCT-scans, waardoor preklinische screening wordt gestroomlijnd en beoordelingen over laboratoria heen worden gestandaardiseerd.
Dit artikel stelt een training-vrije ensemblemethode voor die ProteinMPNN combineert met het antilichaam-specifieke taalmodel IgLM om de aminozuur-recovery en sequentiediversiteit bij antilichaam-inverse folding aanzienlijk te verbeteren, waardoor effectief de kloof tussen algemene structurele modellen en gespecialiseerd antilichaamontwerp wordt overbrugd.
Deze studie integreert single-cell RNA- en ATAC-sequencing over verschillende gradaties van heldercellig niercelcarcinoom (ccRCC) om te onthullen dat epigenetische veranderingen voorafgaan aan metabole en invasieve verschuivingen, terwijl een robuuste CBG-prognostische signatuur wordt gedefinieerd en de dynamische evolutie van immuunuitputting en intercellulaire communicatienetwerken wordt in kaart wordt gebracht.
Het artikel introduceert Handshake, een sequentie-gebaseerd deep learning-model dat gebruikmaakt van ProstT5 en cross-chain aandacht om op grote schaal nauwkeurig partner-specifieke eiwit-eiwit bindingsplaatsen te voorspellen, terwijl het ook onthult dat een hoge sequentieredundantie in de trainingsdata de prestatiecijfers in bestaande benchmarks aanzienlijk opblaast.
Deze studie identificeert een divergente oppervlakte-loop die "Pocket2" vormt als een belangrijke bron van structurele en functionele variatie in haai-legumaines, wat contrasteert met hun verder zeer geconserveerde katalytische kernen en suggereert dat deze regio een doelwit is voor toekomstig onderzoek naar soortspecifieke protease-adaptatie.
Het artikel introduceert CryoDiff, een onzekerheidsbewust diffusiemodel dat bestaande methoden overtreft in het verbeteren van cryo-EM-kaarten door gezamenlijk de structurele resolutie te verbeteren en voxel-gewijze betrouwbaarheidsschattingen te bieden, waardoor de interpreteerbaarheid van kaarten en downstream modelbouw aanzienlijk wordt versterkt.
Het artikel introduceert cellpin, een schaalbare variabele autoencoder die uitsluitend is getraind op single-cell RNA-sequencingdata, die gebruikmaakt van teacher-student latent distillatie en ruisimitatie om effectief niet-gemeten genen te imputeren en ruimtelijke transcriptoomprofielen te denoisen zonder dat daar cross-modale uitlijning voor nodig is.
OmniGene-4 introduceert een verenigd, door een router interpreteerbaar Mixture-of-Experts fundamenteel model dat demonstreert hoe voortgezette pretraining cross-task specialisatie aanstuurt, terwijl expert-computatie sequentie-gegronde biologische redenering afhandelt, waarmee state-of-the-art prestaties worden behaald in eiwithomologie en algemene biologische kennis met aanzienlijk verminderde computatiekosten, zelfs wanneer het wordt uitgebreid naar multi-modale inputs.
Het artikel introduceert UnBlender, een pijplijn die ontworpen is om respiratoire wetenschappers in staat te stellen aangepaste celtype-deconvolutie uit te voeren op bulk RNA-seq-data, terwijl de nauwkeurigheid van de geschatte celtypeproporties routinematig wordt gevalideerd om reproduceerbare en betrouwbare conclusies te waarborgen.
Dit artikel presenteert een interpreteerbaar machine learning-framework dat dimensionaliteitsreductie combineert met een multi-output random forest-model om accuraat de identiteit en afkomst van honden te herleiden uit genoombrede SNP-data, waarbij een nauwkeurigheid van 91,7% wordt bereikt op de Dog Aging Project-dataset terwijl biologisch relevante genetische loci worden geïdentificeerd die geassocieerd zijn met ras-specifieke kenmerken.