1243 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 onderzoek beschrijft de computergestuurde ontwikkeling van een synthetisch GluN1-peptide dat als decoy fungeert om pathogene autoantilichamen te neutraliseren bij anti-NMDAR-encefalitis, waarbij simulaties een aanzienlijk sterkere binding aantoonden dan bij een gecontroleerd scrambled peptide.
Dit artikel presenteert een evolutionair AI-framework dat generatieve modellen en virtuele screening combineert om efficiënt ultra-grote chemische ruimtes te verkennen en succesvol nieuwe, synthetisch toegankelijke leidingsmoleculen voor de μ-opioïdereceptor te identificeren.
ClumPyCells is een statistisch kader dat de ruimtelijke aggregatie van cellen in complexe weefsels nauwkeurig analyseert door de vervormende invloed van celgrootte en morfologie te corrigeren, waardoor nieuwe weefselpatronen in tumoren zoals melanoom en colorectale kanker kunnen worden onthuld.
Het paper introduceert PHENOCAUZ, een computergestuurd raamwerk dat Mendeliaanse ziektebiologie benut om klinische symptomen te koppelen aan hun moleculaire oorzaken, waardoor het mogelijk wordt om bijwerkingen van medicijnen te voorspellen en nieuwe therapeutische doelen te identificeren.
Dit artikel introduceert Cellector, een computergestuurde methode voor het detecteren van zeldzame cellen met een vreemd genotype in scRNAseq-data, met name voor het identificeren van meetbare residuale ziekte bij leukemiepatiënten na een stamceltransplantatie en het bestuderen van microchimeraïsme.
Het artikel introduceert scSAGA, een schaalbaar en geheugenefficiënt algoritme dat de Gromov-Wasserstein-optimalisatie gebruikt om multimodale single-cell data (scRNA-seq en scATAC-seq) te integreren met behoud van de geometrische structuur, zelfs bij datasets met meer dan een miljoen cellen.
AINN-P1 is een compact, uitsluitend op sequenties getraind eiwittaalmodel met een multiplicative LSTM-architectuur dat, ondanks het ontbreken van structurele gegevens of meervoudige sequentie-uitlijningen, concurrerende prestaties behaalt bij het voorspellen van eiwitfitheid op de ProteinGym-benchmarks en tegelijkertijd hoge efficiëntie en schaalbaarheid biedt voor praktische toepassingen.
Dit onderzoek presenteert een nieuwe geïntegreerde analyse van transposabele elementen in enkelcel-RNA-seq-data van het substantia nigra om een celtype-specifiek atlas op te stellen die de rol van deze elementen in geslachtsverschillen bij de ziekte van Parkinson verheldert.
Deze paper introduceert Lemonite, een interpreteerbaar en datagedreven raamwerk dat bulk-transcriptomics- en metabolomics-data integreert om tot nu toe onbekende regulatoire metabole stoffen te identificeren die genmodulen beïnvloeden bij ziekten zoals glioblastoom en inflammatoire darmziekten.
Dit artikel introduceert deluxpore, een Nextflow-pijplijn die het demultiplexen van Nanopore-lezingen uit Illumina-dubbel-geïndexeerde bibliotheken mogelijk maakt door BLAST-uitlijning en Levenshtein-afstand te combineren, waarmee betrouwbare analyse van hybride capture-sequencing-workflows wordt gegarandeerd.