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 artikel introduceert twee methoden in de MAPLE-software die de overvloed van lijnen in maximum likelihood fylogenetica meenemen om de nauwkeurigheid van de inferentie te verbeteren, vergelijkbaar met het medische principe om bij onzekerheid eerst aan de meest waarschijnlijke (veelvoorkomende) oorzaak te denken.
Deze studie presenteert een methode om pre-getrainde taalmodellen gezamenlijk te trainen op scRNA-seq-data en biomedische literatuur, waardoor er een gemeenschappelijke, kennisverrijkte representatie ontstaat die de analyse van single-cell data verbetert.
Het artikel introduceert Seqwin, een open-source framework dat geautomatiseerd en schaalbaar microbieel signatuurontdekking mogelijk maakt door gewogen pan-genoom-minimizer-graaf te gebruiken, waardoor er binnen enkele minuten duizenden genoomsequenties kunnen worden geanalyseerd voor de ontwikkeling van nauwkeurige PCR-diagnostische tests.
Dit paper introduceert Amaranth, een nieuwe single-cell assembler die door het onderscheidend modelleren van UMI- en interne reads de nauwkeurigheid van transcriptassemblage aanzienlijk verbetert en daarmee isoform-niveau analyse op celniveau mogelijk maakt.
In dit artikel wordt PerturbGraph, een op biologische priors gebaseerd graf-neuraal netwerk, geïntroduceerd dat interactienetwerken en functionele annotaties integreert om de transcriptiereacties op onbekende gen-perturbaties nauwkeuriger te voorspellen dan bestaande methoden.
Dit artikel beschrijft Nextstrain, een geautomatiseerd platform dat open data gebruikt om real-time fylo-dynamische analyses uit te voeren voor 21 virussen en Mycobacterium tuberculosis, waardoor continue inzichten in pathogeen-evolutie voor de volksgezondheid beschikbaar komen.
Deze studie toont aan dat discrete diffusiemodellen, met name middels een middelgroot graftransformator-model, in staat zijn om de structurele beperkingen van tumor-fylogenieën effectief te leren en realistische evolutiepatronen te genereren, waarbij schalingsexperimenten aantonen dat grotere modellen niet per se beter presteren en diverse trainingsdata de generalisatie verbetert.
De auteurs concluderen dat de gerapporteerde superieure kwantitatieve gevoeligheid van PELSA ten opzichte van LiP-MS voor het detecteren van conformatieveranderingen het gevolg is van niet-overeenkomende experimentele omstandigheden en onbekende data-imputatie, waardoor de conclusies over de biologische interpretatie met voorzichtigheid moeten worden behandeld.
Het paper introduceert FoundedPBI, een ensemble-deeplearningmethode die genomische foundation-modellen combineert om bacteriofaag-bacterie-interacties te voorspellen en zo de schaalbaarheid van faagtherapie verbetert door een 7% hogere nauwkeurigheid dan de huidige staat-der-kunst te bereiken.
Dit paper introduceert GraphHDBSCAN*, een hyperparameter-vrije, grafgebaseerde hiërarchische clusteringmethode voor single-cell RNA-sequencing-data die zowel robuuste hiërarchische relaties als hoogwaardige vlakke partities kan onthullen, waardoor deze de bestaande methoden overtreft.