1242 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 DEPICT, een transformer-gebaseerd deep learning-framework dat condition-matched transcriptomische responsen op geneesmiddelen voorspelt uit basisgegevens, waardoor het mogelijk wordt om effectieve geneesmiddelen en combinaties voor ziekten zoals longkanker in silico te screenen zonder kostbare experimenten.
eSIG-Net is een baanbrekend, op sequentie gebaseerd "interactie-taalmodel" dat de impact van enkele mutaties op eiwitinteracties nauwkeuriger voorspelt dan bestaande methoden door gebruik te maken van eiwit-embeddings, evolutionaire inzichten en contrastief leren.
Deze paper introduceert scTGCL, een transformer-gebaseerde grafische contrastieve leermethode die robuuste representaties voor single-cell RNA-seq-data leert door zelf-attention en data-augmentatie te combineren, waardoor het op diverse datasets superieure clusteringresultaten en rekenefficiëntie bereikt ten opzichte van bestaande methoden.
Deze paper introduceert een lineaire tijd-algoritme dat bidirectede pangenoomgrafen oriënteert om ultrabubbels efficiënt te detecteren, wat leidt tot aanzienlijke snelheids- en geheugenvooruitgangen ten opzichte van bestaande methoden zoals vg en BubbleGun.
Deze studie introduceert een hoogdoorvoer methode die topologie en geometrie ontkoppelt om via conformationele scanning systematisch grote-scale conformatieveranderingen in de PDB te detecteren, waardoor een cruciale dataset voor het valideren van dynamische eiwitmodellen wordt gegenereerd.
Deze studie introduceert een transformer-model dat, ondanks de ondervertegenwoordiging van zeldzame codons in natuurlijke datasets, succesvol codonselectie voorspelt op basis van aminozuren door contextuele patronen te leren die correleren met experimentele fitnessmetingen.
Dit artikel introduceert LATTE, een efficiënt computermethode voor het kwantificeren van locus-specifieke expressie van transposabele elementen, die aantoont dat deze elementen een onderscheidend en cruciaal regulatoir mechanisme vormen dat bijdraagt aan complexe eigenschappen en ziekten, zoals Sjögren's syndroom, onafhankelijk van hun gastheergenen.
Dit artikel introduceert een Bayesiaanse integratiemodel die door gezamenlijke inferentie over meerdere individuen in een trio de statistische kracht vergroot om allelische onevenwichtigheid te detecteren en de erfelijkheidspatronen ervan te identificeren, wat bijdraagt aan het begrijpen van de invloed van genetische varianten op genregulatie en fenotypische eigenschappen.
GraphBG is een schaalbaar Bayesiaans raamwerk dat spectrale grafconvoluties gebruikt om nauwkeurige ruimtelijke domeinen te detecteren in grote, multi-slice en multi-modale ruimtelijke transcriptomicsdatasets.
GRIMM-II is een schaalbaar, twee-traps algoritme dat real-time HLA-imputatie voor negen loci en het zoeken naar donors met maximaal drie mismatches mogelijk maakt, waardoor de donorpool voor hematopoëtische stamceltransplantaties aanzienlijk wordt vergroot zonder in te leveren op rekenefficiëntie.