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 mRNA-GPT, een generatief model dat end-to-end volledige mRNA-sequenties ontwerpt en optimaliseert door middel van pre-training op natuurlijke sequenties en versterkingslearning om complexe, langetermijnafhankelijkheden en cross-regionale interacties te benutten voor het bereiken van Pareto-optimale therapeutische eigenschappen.
Deze studie toont aan dat een hybride machine learning-aanpak met TF-IDF k-mer-features, in plaats van diepe leermodellen, de meest effectieve en interpreteerbare oplossing biedt voor het nauwkeurig classificeren van zeldzame SARS-CoV-2-varianten in onbalansseerde genomische datasets.
Deze studie toont aan dat, hoewel SNP-erfelijkheidsramingen sterk variëren afhankelijk van de gebruikte schattingsmethode, deze variatie slechts een zwakke invloed heeft op de prestaties van polygenische risicoscores, wat suggereert dat erfelijkheidsschattingen als configuratie-gevoelige parameters moeten worden gezien in plaats van stabiele invoerwaarden.
Dit artikel introduceert SEGUID v2, een uitgebreide versie van het SEGUID-checksum-algoritme die nu rotatie- en oriëntatie-invariante checksums kan genereren voor diverse biologische sequentietypes, waaronder lineaire en circulaire enkel- en dubbelstrengs DNA en RNA, en die gebruikmaakt van Base64url voor betere compatibiliteit met bestandsnamen en URL's.
De auteurs ontwikkelen een nieuw wiskundig model dat data van intensiteitsdosis-bioassays integreert om de heterogeniteit van insecticideresistentie in Afrikaanse muggenpopulaties beter te kwantificeren en zo de effectiviteit van met insecticide behandelde muskietennetten nauwkeuriger te voorspellen.
Dit artikel introduceert een methode met behulp van divisieve hiërarchische spectrale clustering en subsampling om de stabiliteit van clusterings in single-cell RNA-seq data te evalueren en te bevestigen dat de resulterende clusterings consistent zijn met eerder gepubliceerde resultaten.
Dit artikel presenteert een hoog-efficiënt deep learning-model op basis van een convolutioneel neurale netwerk (CNN) en TFxIDF-vectorisatie van aminozuursequenties, dat met state-of-the-art nauwkeurigheid genen en pseudogenen in het menselijk genoom (GRCh38) identificeert.
Deze studie presenteert een hoogdoorvoersnelheids-pijplijn voor het voorspellen van eiwit-eiwitinteracties binnen biosynthetische genclusters, waardoor verborgen moleculaire netwerken en functionele enzymcomplexen worden onthuld die essentieel zijn voor het begrijpen van de biosynthese van natuurlijke producten.
Dit artikel introduceert een lineair-tijdse of NP-moeilijke, maar FPT-oplosbare metriek voor het vergelijken van LGT-netwerken, gebaseerd op bewerkingen zoals het toevoegen of verwijderen van transferbogen, en valideert deze via numerieke experimenten.
Deze studie evalueert zeven geavanceerde methoden voor het verwijderen van omgevings-RNA uit single-cell RNA-sequencing-data en concludeert dat hoewel geen enkele methode overal superieur is, CellBender, DecontX en SoupX over het algemeen de beste prestaties leveren.