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.
Het artikel introduceert anndataR, een R-pakket dat de interoperabiliteit tussen R en Python in single-cell transcriptomics verbetert door het naadloze lezen, schrijven en converteren van H5AD-bestanden naar SingleCellExperiment- of Seurat-objecten mogelijk te maken.
Deze studie introduceert een verbeterde en gestandaardiseerde dataset met bijna het dubbele aantal gecureerde gastheer-virusrecords om machine learning-modellen te evalueren voor het voorspellen van virale infecties bij zoogdieren en primaten, waarbij wordt aangetoond dat voorspellende prestaties aanzienlijk verbeteren bij bredere taxonomische rangen en bij het verminderen van de fylogenetische afstand tussen trainings- en testdata, maar dat modellen faalrijke prestaties leveren bij het voorspellen van volledig nieuwe virusfamilies.
MiRformer is een unificerend generatief framework dat op basis van dubbele transformer-architectuur en een schuifvenster-attentie-mechanisme niet alleen nauwkeurige voorspellingen doet voor miRNA-mRNA-interacties en bindingsplaatsen in lange mRNA-sequenties, maar ook biologisch plausibele, mRNA-geconditioneerde miRNA-sequenties synthetiseert.
Dit artikel introduceert de Stochastic System Identification Toolkit (SSIT), een open-source MATLAB-softwarepakket dat geavanceerde stochastische modellering, parameterfiting, sensitiviteitsanalyse en experimentontwerp mogelijk maakt om biologische data met variabiliteit nauwkeurig te analyseren en te voorspellen.
De auteurs hebben SPAE ontwikkeld, een geïntegreerd Sinusoidal and Piecewise AutoEncoder-model dat de nauwkeurigheid en robuustheid van de analyse van celcyclusdynamiek en celfuncties in single-cell RNA-sequencing-data aanzienlijk verbetert.
REMAG is een nieuw hulpmiddel dat met behulp van contrastief leren en HyenaDNA-modellen eukaryotische genoomherwinning uit metagenomische data verbetert door bestaande beperkingen van prokaryotisch gefocuste pipelines te overwinnen en zo meer complete eukaryotische MAGs te produceren.
Het artikel introduceert geneSTRUCTURE, een modern command-line en webplatform dat flexibele, interactieve en hoogwaardige visualisaties van genstructuren en aanvullende annotaties mogelijk maakt op basis van GFF3- en GTF-bestandsformaten.
Dit artikel presenteert het eerste telomeer-tot-telomeer genoom van *Dendrobium officinale*, wat inzicht biedt in de evolutie van Orchidaceae-polyploïdie en de genetica van mycorrhiza-symbiose.
Dit artikel presenteert een machine- en deep-learning-pipeline die genen koppelt aan fenotypes door patiënten te classificeren op basis van genotypegegevens en vervolgens de belangrijkste SNPs te identificeren, wat resulteert in een gemiddelde gen-identificatie-ratio van 0,84 en een effectieve prioritering van ziekte-gerelateerde genen.
Deze studie toont aan dat Withaferin A via een multi-target *in silico*-benadering veelbelovende antivirale eigenschappen vertoont tegen sleutelproteïnen van het Marburg-virus, ondersteund door gedetailleerde moleculaire docking, dynamica en ADMET-analyses.