768 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 paper introduceert Helicase, een Rust-bibliotheek die gebruikmaakt van vectorisatie en bitpacking om FASTA/Q-bestanden sneller te parsen dan bestaande oplossingen, waardoor het een nieuwe standaard wordt voor high-throughput genomische data-verwerking.
De auteurs introduceren miRBind2, een diep learning-model dat uitsluitend op sequentie gebaseerd de binding van microRNA's en transcriptrepressie voorspelt met een hogere nauwkeurigheid dan bestaande methoden en zonder gebruik te maken van handmatig ontworpen biologische kenmerken.
Dit onderzoek toont aan dat het koppelen van codon- en eiwitbeperkingen essentieel is om de pathogeniciteit van genetische varianten te begrijpen, aangezien zowel het eiwitproduct als het synthese-proces en het experimentele platform de waarnemingen beïnvloeden.
Deze studie presenteert een geïntegreerde transcriptoomgebaseerde workflow die 64 bestaande FDA-goedgekeurde medicijnen identificeert als veelbelovende gastheergerichte therapieën voor tuberculose en 12 nieuwe dringbare doelwitten blootlegt, waarmee een robuust computermodel wordt geboden voor de systematische herontdekking van medicijnen bij infectieziekten.
In dit artikel wordt TriGraphQA voorgesteld, een nieuw triple graph learning-framework dat de kwaliteit van voorspelde eiwitcomplexen nauwkeuriger beoordeelt door de structurele eigenschappen van individuele ketens en het bindingsinterface expliciet te ontkoppelen en te integreren.
RNASTOP is een nieuw deep learning-framework dat de chemische stabiliteit van mRNA nauwkeuriger voorspelt en optimaliseert, waardoor de ontwikkeling van mRNA-therapieën wordt versneld.
Dit onderzoek gebruikt moleculaire docking en immunoinformatica om te bevestigen dat de *Plasmodium falciparum*-antigenen PfCyRPA, PfMSP10 en PfCSP veelbelovende kandidaten zijn voor de ontwikkeling van een malaria-vaccin.
Deze studie identificeert via bio-informatica en machine learning van meerdere transcriptoomdatasets dat stoornissen in het vitamine D-metabolisme en chronische ontsteking kernmechanismen vormen voor de diagnose van kwetsbaarheid bij ouderen.
Dit artikel introduceert dGSEA, een differentieerbare versie van de Gene Set Enrichment Analysis die de kloof tussen gen-niveau trainingsdoelen en pad-niveau interpretatie in transcriptomische studies overbrugt door zachte sortering en genormaliseerde verrijkingsscores te gebruiken voor stabielere en nauwkeurigere pad-gebaseerde supervisie.
In dit artikel wordt ECHO gepresenteerd, een gebruiksvriendelijke en reproduceerbare Snakemake-pijplijn die Oxford Nanopore-sequencingdata gebruikt voor de integrale (epi)genetische karakterisering van het menselijke repetitieve genoom.