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.
elab2ARC is een client-side, browsergebaseerde werkruimte die de conversie van vrije-tekst eLabFTW elektronische laboratoriumnotitieboekrecords automatiseert naar FAIR-conforme, versiebewaarde Annotated Research Contexts (ARCs) voor naadloze deling en archivering zonder de dagelijkse laboratoriumwerkprocessen te verstoren.
Dit artikel presenteert een uitgebreide dataset van ITS2-metabarcoding- en RNA-seq-profielen van respectievelijk 200 en 48 *Pinus sylvestris*-genotypen om te onderzoeken hoe het gastheergenotype de bladfungale gemeenschappen en ziektegevoeligheid beïnvloedt in de context van Dothistroma-naaldziekte.
Het Paipu-framework overwint genomische en annotatiebarrières om de creatie van een grootschalig, geharmoniseerd pan-mammalisch kankertranscriptomics-atlas mogelijk te maken door het ophalen en verwerken van RNA-seq-gegevens uit de NCBI SRA over diverse soorten te stroomlijnen.
Het artikel introduceert mantis-delta, een open-source Python-bibliotheek die structurele analyse van chemische reactienetwerken (CRNT) integreert met symbolische ODE-generatie en hybride numerieke oplosmethoden om steady states, stabiliteit en bifurcaties in massawet-systemen grondig te karakteriseren zonder uitsluitend op simulatie te vertrouwen.
Deze studie stelt een tweestapskader voor dat aminozuurfrequentiekenmerken combineert met latente representaties die door een 1D-convolutioneel neuronaal netwerk-autoencoder zijn geleerd, en toont aan dat een met dit hybride kenmerkenset getrainde random forest-classificator de nauwkeurigheid van het voorspellen van eiwit-eiwitinteracties aanzienlijk verbetert ten opzichte van het gebruik van alleen frequentiekenmerken.
Deze studie hanteert een genomische computergestuurde pijplijn om door influenza A-virus (H3N2) gecodeerde miRNA's en hun doelwitgenen te voorspellen, waarbij een netwerk van gastheergenen wordt onthuld dat betrokken is bij pulmonale en antivirale aangeboren immuniteit, wat de virale pathogenese kan verduidelijken en therapeutische doelwitten kan aandragen.
KaryoScope is een snelle, uitlijningsvrije tool die annotatie op basisniveaus van diverse genomische kenmerken over volledige pangenoomassemblages in enkele minuten mogelijk maakt, waardoor eerder ontoegankelijke variabele regio's zoals centromeren en subtelomeren effectief worden gekarakteriseerd om vergelijkende en klinische analyses te ondersteunen.
Deze studie analyseert microbioomdata van urine om aan te tonen dat *Lactobacillus crispatus* aanzienlijk rijker aanwezig is bij gezonde personen dan bij patiënten met een urineweginfectie, waardoor het wordt geïdentificeerd als een veelbelovende probiotische kandidaat voor het voorkomen en behandelen van urineweginfecties.
Deze studie maakt gebruik van spaarse auto-encoders en grafgebaseerde analyse om aan te tonen dat het Nucleotide Transformer v2-genomische taalmodel granulaire sequentiesyntaxis en lokale biofysische beperkingen codeert in plaats van complexe regulerende logica, wat zijn sterke prestaties op specifieke moleculaire taken verklaart maar zijn zwakkere vermogens bij bredere regulerende inferentie.
Deze paper introduceert TAMIPAMI, een gestroomlijnd experimenteel en computationeel kader dat de identificatie van PAM/TAM voor CRISPR- en OMEGA-systemen vereenvoudigt door slechts één controlegebruikslibrary te vereisen, gebruik te maken van een nieuw algoritme om minimale gedegenereerde motieven te definiëren, en toegankelijke web- en commandoregeltools aan te bieden voor snelle karakterisering.