766 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 introduceert MOAflow, een met Nextflow en Docker herontworpen en volledig gecontaineriseerde workflow voor MOA-seq-data-analyse die reproduceerbaarheid, draagbaarheid en rekenefficiëntie verbetert ten opzichte van de oorspronkelijke pipeline.
Deze studie toont aan dat de hydrofobe ligandbindingsholte in het TLR2-domein van gewervelden evolutionair behouden is voor de herkenning van bacteriële lipopeptiden, terwijl vergelijkbare holtes in ongewervelde TLR's en andere LRR-families het resultaat zijn van convergente evolutie en niet van een gemeenschappelijke oorsprong.
CLOP-DiT is een modulair drie-staps proces dat realistische synthetische single-cell transcriptomische profielen genereert op basis van gestructureerde biologische beschrijvingen door middel van contrastief taal-omics pretraining en een conditionele Diffusion Transformer, waarmee het de haalbaarheid van tekstgestuurde celgeneratie als concept bewijst ondanks beperkingen in het nabootsen van volledige variabiliteit tussen datasets.
Dit onderzoek beschrijft de computergestuurde ontwikkeling van een synthetisch GluN1-peptide dat als decoy fungeert om pathogene autoantilichamen te neutraliseren bij anti-NMDAR-encefalitis, waarbij simulaties een aanzienlijk sterkere binding aantoonden dan bij een gecontroleerd scrambled peptide.
Dit artikel introduceert Cellector, een computergestuurde methode voor het detecteren van zeldzame cellen met een vreemd genotype in scRNAseq-data, met name voor het identificeren van meetbare residuale ziekte bij leukemiepatiënten na een stamceltransplantatie en het bestuderen van microchimeraïsme.
Dit artikel introduceert MAAMOUL, een computergestuurd framework dat metagenomische en metabolomische data integreert via een metabool netwerk om ziekte-geassocieerde functionele verschuivingen in het darmmicrobioom te identificeren die met traditionele methoden vaak onopgemerkt blijven.
DualLoc is een geavanceerd deep learning-model dat de volledige parameters van een cascade van twee transformers finetunt om de subcellulaire lokalisatie van eiwitten in tien compartimenten nauwkeuriger te voorspellen dan bestaande methoden, waardoor het niet alleen de diagnose van ziekten ondersteunt maar ook biologisch relevante interacties tussen organellen blootlegt.
Dit artikel introduceert de 'mean evidence strength' (MES) als een nieuw, op klinische richtlijnen gebaseerd kader om de bruikbaarheid van computationele variantvoorspellers en multiplexe assays te evalueren, waarbij wordt aangetoond dat deze maatstaf meer inzicht biedt in de daadwerkelijke klinische bewijskracht dan traditionele discriminatiemetrieken zoals AUROC.
ALPINE is een schaalbaar en reproduceerbaar Python-pakket dat long-read amplicon-sequencing gebruikt om complexe CRISPR-geneesmiddelenresultaten, waaronder vectorintegraties en structurele varianten, nauwkeurig te classificeren en te kwantificeren voor therapeutische ontwikkeling.
Deze studie identificeert vier moleculaire sepsis-subtypen door middel van een groot transcriptoom-atlas en stelt subtype-specifieke medicijnhergebruikstrategieën voor, zoals methyleenblauw voor het hoog-risico subtype, om toekomstige precisiegeneeskunde te bevorderen.