1178 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.
Deze studie identificeert het essentiële metabole enzym PabB als een veelbelovend medicijnonderwerp voor tuberculose en maakt gebruik van computationele padenanalyse en moleculaire docking om door de FDA-goedgekeurde geneesmiddelen te screenen, wat uiteindelijk Ligand 5 en Ligand 27 als potentiële kandidaten voor drug repurposing naar voren brengt.
Deze studie analyseert 1,7 miljoen microscopiepapers van 2010 tot 2025 om een groeiende afhankelijkheid van beeldanalysesoftware te onthullen — geleid door ImageJ/Fiji met een toenemende vakspecifieke adoptie van tools zoals QuPath en napari — terwijl zij benadrukt dat citatiesterren vaak de werkelijke het gebruik onderschatten en onderzoekers oproept om hun softwaremethoden expliciet te citeren en te rapporteren om de reproduceerbaarheid te verbeteren.
Dit artikel introduceert een schaalbare en reproduceerbare pijplijn die GWAS-samenvattingsstatistieken integreert met functionele annotaties om gecureerde, gebalanceerde en annotatierijke datasets te genereren voor het systematisch bestuderen van variantassociaties met complexe stoornissen.
Het artikel introduceert Auto-AVS, een open-source computationeel framework dat 3D autofagische vacuolen en virtuele TEM-sectie simuleert om stereologische aannames te valideren, waarbij wordt onthuld dat hoewel schattingen van de lichaamsgrootte consistent blijven, discrepanties in de verdelingen van het aantal lichamen de kritieke invloed van ruimtelijke clustering en vacuöle-geometrie op 2D-microscopie-inferentie benadrukken.
Het artikel introduceert DeepMAST, een door bewijs gestuurd multi-agent AI-systeem dat ruimtelijke transcriptomicsanalyse integreert met op literatuur gebaseerde retrieval om de prioritering van targets te automatiseren, waarbij het succesvol ICAM-1 heeft geïdentificeerd als een gevalideerd therapeutisch target voor idiopathische pulmonale fibrose.
Dit artikel introduceert POISK, een grootschalige op patenten gebaseerde antilichaamdataset, om aan te tonen dat hoewel huidige structuurvoorspellingsmodellen de identificatie van binders statistisch kunnen verrijken ten opzichte van willekeurige selectie, zij niet de betrouwbaarheid bezitten voor screening van individuele kandidaten en nauwkeurige epitooplokalisatie, wat hun gebruik naast orthogonale experimentele methoden noodzakelijk maakt.
Deze studie presenteert de grootste geïntegreerde single-cell RNA-sequencing atlas van cutaan T-cellymfoom tot nu toe, waarbij rigoureuze statistische methoden worden gebruikt om eerdere beperkingen te overwinnen en moleculaire subtypen en micro-omgevingsremodellering met significante prognostische waarde te identificeren.
Het artikel introduceert corrdeconv, een methode die de fundamentele misinterpretatie van door ziekte geïnduceerde verschuivingen in celtoestanden als veranderingen in abundantie in bulk- en ruimtelijke omics-data corrigeert, waardoor bestaande benchmarks wordt omvergeworpen en alle gepubliceerde deconvolutiemethoden wordt overtroffen door het merendeel van de foutieve claims over ziekte-effecten te elimineren.
De auteurs presenteren BUDDY, een interactief webplatform dat de functionele modellering van menselijke missense-varianten in *Saccharomyces cerevisiae* stroomlijnt door bio-informatische tools, structurele visualisatie en AI-ondersteund experimenteel ontwerp te integreren, waardoor variantanalyse wordt versneld en toegankelijk wordt gemaakt voor gebruikers zonder voorafgaande bio-informatica-training.
Dit artikel presenteert een systematische benchmarkstudie van 12 methoden voor differentiële ritmiek met behulp van een synthetisch RNA-seq-model om praktische richtlijnen te bieden aan biologen voor het selecteren van de meest geschikte tools voor de analyse van tijdreeks-transcriptomische data op basis van specifieke experimentele condities en analytische doelen.