1238 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 StriMap, een structureel geïnformeerd deep learning-framework dat de interactie tussen TCRs, peptiden en HLA's nauwkeurig voorspelt, waardoor het zowel de prioritering van TCRs en neo-epitopen voor kankertherapie als het identificeren van gemeenschappelijke microbiële triggers voor auto-immuunziekten zoals ankyloserende spondylitis en IBD mogelijk maakt.
CardamomOT is een nieuw mechanisch optimal transport-framework dat op basis van scRNA-seq-tijdsreeksdata nauwkeurig genregulatienetwerken en ongemeten eiwittrajecten reconstrueert, waardoor het de beperkingen van eerdere methoden overwint en geschikt is voor het genereren van realistische simulaties van cellulaire responsen op verstoringen.
Dit paper introduceert TRACE, een lichtgewicht multimodaal raamwerk dat contrastieve uitlijning gebruikt om de stabiliteit en prestaties van TCR-peptide-bindingsvoorspelling te waarborgen door de negatieve invloed van onvolmaakte structurele gegevens te neutraliseren, waarmee het de aanname dat het toevoegen van modaliteiten altijd voordelig is, daagt.
Dit artikel toont aan dat nanopore-sequencing van 10x Genomics multiome-bibliotheken volledige transcripten kan profileren en succesvolle genetische demultiplexing mogelijk maakt, waardoor transcriptiestartsites (TSS) kunnen worden geïdentificeerd met een detectiegraad van 63% vergeleken met traditionele 5'-assays.
De U-methode is een snelle, probabilistische framework dat robuuste biologische markers voor single-cell transcriptomische analyse identificeert door te focussen op de consistentie van genexpressie in plaats van gemiddelde expressie, wat leidt tot betrouwbare celidentificatie en ruimtelijke interpretatie zonder complexe correcties.
GeoBridge is een nieuw raamwerk dat tijdreeks-scRNA-seq-data omzet in een continue, navigeerbare landschap van celtoestanden door niet-lineaire transcriptiedynamica via een 'geodetische brug' te transformeren naar een lineaire latente ruimte, waardoor het mogelijk wordt om ongemeten tussenstadia te reconstrueren, pseudotijdtrajecten af te leiden en gerichte navigatie tussen verschillende celfenotypes te realiseren.
In deze studie wordt MAPPER, een schaalbaar multimodaal raamwerk dat proteoomprofielen en andere celresponsgegevens integreert, gepresenteerd als een krachtig hulpmiddel voor het nauwkeurig voorspellen van het werkingsmechanisme van antibiotica en het identificeren van verbindingen met nieuwe mechanismen in *Escherichia coli*.
HalluCodon is een aanpasbaar framework dat multimodale taalmodellen gebruikt om op specifieke plantensoorten toegesneden codonoptimalisatie mogelijk te maken, waardoor de expressie van heterologe eiwitten in plantaardige systemen wordt verbeterd.
De studie concludeert dat de overstap van FoldX5 naar FoldX5.1 voor de MAVISp-stabiliteitsanalyse veilig is vanwege de hoge overeenkomst in voorspellingen, en dat de database daarom deze nieuwe versie zal adopteren met een overgangsperiode en nieuwe metadata.
Deze paper introduceert EMITS, een Rust-gebaseerd hulpmiddel dat het expectation-maximization-algoritme toepast om nauwkeurige, probabilistische schattingen van de abundantie van schimmelsoorten te genereren uit lang-lees ITS-sequenties, waardoor de beperkingen van naïeve best-hit-classificatie worden overwonnen.