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.
CROWN is een machine learning-klaar dataset van 153.005 eiwit-ligandcomplexen die, door een geautomatiseerd kwaliteitsfilter en een unieke energie-minimalisatiestap, de breedte van grote databases combineert met de structurele nauwkeurigheid van zorgvuldig gecureerde collecties, zonder afhankelijk te zijn van experimentele bindingsaffiniteiten.
Deze paper introduceert geneslator, een R-pakket dat een geünificeerd en actueel kader biedt voor het converteren van genidentificatoren, het mappen van orthologen en het annoteren van pathways voor acht modelorganismen, waarmee het bestaande tools overtreft wat betreft consistentie, volledigheid en reproduceerbaarheid.
Dit onderzoek gebruikt structurele computatieanalyse om te bepalen hoe verschillende linkerontwerpen de stabiliteit en antigeenbinding van een scFv-fragment dat Guanylyl Cyclase C (een doelwit voor darmkankertherapie) herkent, beïnvloeden, en biedt zo een raamwerk voor de rationele optimalisatie van deze therapeutische antilichamen.
T-Rex is een gebruiksvriendelijke, cross-platform desktopapplicatie die clinicians en onderzoekers in staat stelt om Whole-Exome Sequencing-triodata lokaal en zonder programmeerkennis te analyseren met klinische kwaliteit, waardoor de afhankelijkheid van externe providers wordt verminderd en de samenwerking tussen klinieken wordt bevorderd.
Dit artikel introduceert Claw4Science, een gecurateerd dataset en platform dat de gefragmenteerde OpenClaw-ecosysteem voor wetenschappelijke AI-agenten centraliseert en analyseert om de ontdekking, vergelijking en standaardisatie van bio-informatische workflows te faciliteren.
STAPLE is een modulair AI-gedreven systeem dat versnipperde ruimtelijke transcriptomics-workflows automatiseert tot een reproduceerbaar, end-to-end proces met geautomatiseerde biologische interpretatie.
Deze studie presenteert een dynamisch multimodaal framework dat overleving bij multipel myeloom voorspelt door genexpressie, longitudinale laboratoriumwaarden en behandelingsgeschiedenis te integreren, wat resulteert in een significant betere prognostische nauwkeurigheid dan bestaande methoden.
Deze studie toont aan dat het toepassen van robuuste Random Forests, met name via rangschikkingstransformaties, de voorspellingsprestaties in de genomische selectie aanzienlijk verbetert bij verontreinigde data, terwijl voor schone data de standaardmethode de voorkeur behoudt.
In dit artikel wordt SSPSPredictor voorgesteld, een nieuw multimodaal deep learning-model dat sequentie- en structuurinformatie combineert om eiwitten die fase-scheiding veroorzaken te voorspellen, hun drijvende regio's te interpreteren en een link te leggen tussen pathogene varianten en ziekte.
Dit artikel introduceert BulkMonSTR, een computeraangedreven framework dat machine learning en STR-specifieke foutmodellen combineert om somatische mozaïekmutaties bij korte tandemherhalingen (STR's) nauwkeurig te detecteren uit bulk-sequencingdata, waardoor de studie van hun bijdrage aan veroudering en ziekte mogelijk wordt gemaakt.