1012 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.
PathwaySeeker is een bewijsgebaseerd AI-systeem dat organism-specifieke metabole netwerken reconstrueert uit geïntegreerde proteomics- en metabolomics-data en deze koppelt aan een taalmodel via 'Oracle-in-the-Loop' inferentie om experimenteel onderbouwde inzichten te onderscheiden van testbare hypothesen.
Dit artikel introduceert UDAL, een actieve leermethode die onzekerheid en diversiteit combineert om de dure en tijdrovende wet-lab validatie van TCR-pMHC-interacties aanzienlijk te verminderen door met een beperkt budget even goede voorspellingsmodellen te trainen als met veel meer willekeurig gekozen labels.
Het artikel introduceert FairTCR, een eerlijkheidsbewust machine learning-framework dat de prestatieverschillen tussen verschillende HLA-allelen en bevolkingsgroepen in TCR-pMHC-bindingsvoorspellingen aanzienlijk verkleint zonder de algehele nauwkeurigheid te verliezen.
Dit onderzoek toont aan dat het toepassen van machine learning-technieken om ontbrekende muggenverzamelingsdata in te vullen de nauwkeurigheid van voorspellingen voor *Plasmodium vivax*-malaria in Bolivar, Venezuela, aanzienlijk verbetert, hoewel deze methode geen succesvolle voorspellingen voor *Plasmodium falciparum* opleverde.
Het artikel introduceert ORION, een multi-agent AI-framework dat complexe immunologische data-analyses, zoals PhIP-seq, automatiseert en reduceert van maanden naar uren door statistiek, literatuuronderzoek en hypothesevorming te integreren.
Deze studie introduceert een generatief raamwerk op basis van gepreconditioneerde eiwit-taalmodellen voor het ontwerpen van intrinsiek ongeordende eiwitten met specifieke conformationele eigenschappen, waarbij wordt aangetoond dat de beschikbaarheid van grote datasets de belangrijkste beperkende factor is voor succesvol ontwerp.
Dit paper introduceert vcfilt, een in Go geschreven, nul-allocatie streamingfilter dat VCF-bestanden tot 12,2 keer sneller verwerkt dan bestaande tools zoals bcftools door zich te beperken tot veelgebruikte filters en heap-toewijzingen te elimineren.
Deze paper introduceert ABB4-STEROIDS, een generatief model dat op basis van een uitgebreide dataset van moleculaire dynamica-simulaties conformationele ensembles van antilichamen met state-of-the-art nauwkeurigheid sampleert, waardoor het een waardevol hulpmiddel wordt voor het bestuderen van de flexibiliteit en functionele eigenschappen van antilichamen.
Deze studie toont aan dat temperatuur een dominante rol speelt in de adaptieve evolutie van EndoG-eiwitten bij de waterige kikkers van het geslacht Xenopus, waarbij koude-lievende X. laevis en warmte-lievende X. tropicalis fundamenteel verschillende structurele en chemische eigenschappen vertonen als reactie op hun respectievelijke omgevingen.
ProteomeScan is een open-source toolkit die cloud-gebaseerde high-performance computing gebruikt om proteoom-brede moleculaire docking uit te voeren voor het snel en nauwkeurig valideren van eiwitdoelen en het ontdekken van nieuwe interacties tussen medicijnachtige moleculen en eiwitten.