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.
Deze studie toont aan dat bij de Coloradokever (Leptinotarsa decemlineata) oraal opgenomen dsRNA wordt verwerkt tot functionele siRNA's die het centrale zenuwstelsel bereiken en daar de RNA-interferentie-machinerie activeren.
SpliceSelectNet is een nieuw, interpreteerbaar diep leermodel op basis van een hiërarchische Transformer dat nauwkeurig spliceplaatsen en afwijkingen voorspelt door zowel lokale als lange-afstandsafhankelijkheden in DNA-sequenties tot 100 kb te analyseren.
Fleming is een geïntegreerd AI-agent dat door middel van discriminatieve en generatieve modellen, gecombineerd met ADMET-predictie en literatuuronderzoek, succesvol nieuwe leidende verbindingen voor de behandeling van tuberculose identificeert met een hoge in vitro-trefferkans en gunstige farmacologische profielen.
FLAMESv2 is een nieuwe, modulaire R/Bioconductor-pakket dat de verwerking en analyse van lange-lezen single-cell en ruimtelijke RNA-seq-data mogelijk maakt om isofoor-expressie en alternatieve splijting op celniveau nauwkeurig te karakteriseren.
Deze paper introduceert mnDINO, een op Vision Transformer gebaseerd segmentatiemodel dat, getraind op een divers dataset met meer dan vijfduizend geannoteerde micronuclei, een nauwkeurige en robuuste detectie van deze subcellulaire structuren mogelijk maakt onder diverse experimentele omstandigheden.
Deze studie introduceert DEX, een verbeterde consensusmatrix voor aminozuurbijwerkingen die is gebaseerd op de beste presterende experimentele maatstaven en die de codonsubstitutiemodellering in diverse evolutionaire lijnen significant verbetert.
Deze studie benchmarkt de integratie van de BEAGLE-bibliotheek in BEAST X om optimale hardware-instellingen voor GPU's en CPU's te bepalen, waardoor de rekentijd voor Bayesiaanse fylogenetische analyses aanzienlijk kan worden verkort.
Dit artikel introduceert IFACE, een nieuw raamwerk dat intrinsieke geometrie en chemische velden koppelt om een gezamenlijke afstand te definiëren die eiwitoppervlakken effectiever vergelijkt dan traditionele methoden en zo functioneel gerelateerde interactiegebieden kan identificeren.
Deze studie introduceert een nieuwe methode die ESM-2 en cyclische permutatie combineert om een gestructureerde 'peptide-ruimte' te creëren, waardoor cyclische peptiden systematisch kunnen worden geselecteerd om hun fysisch-chemische eigenschappen optimaal te dekken en de AI-gestuurde ontdekking van therapeutica te versnellen.
Uit deze studie blijkt dat de SPC/E-watermodel de beste alomvattende prestatie levert voor het simuleren van POPC- en DPPC-lipidendubbellaagstructuur en -dynamica met de AMBER Lipid21-forcefield, hoewel het TIP4P-Ew-model de laterale diffusie nauwkeuriger reproduceert.