1180 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.
OmniRE-seq is een dual-method framework dat bulk RE-seq en single-cell scRE-seq integreert om een gestandaardiseerde, multi-resolutie toolkit te bieden voor het kwantificeren, analyseren en annoteren van RNA-bewerkingsdynamiek over diverse ziektecontexten en therapeutische interventies.
CDSeq2 is een Bayesiaans raamwerk dat referentie-geïnformeerde deconvolution integreert met recoverability-gestuurde prioritering om nauwkeurig celtype-specifieke expressie op individueel niveau te schatten uit bulk RNA-seq data, waardoor de precisie van downstream-analyses zoals celtype-specifieke eQTL-mapping wordt verbeterd.
Varformer is een nieuw multimodale transformer-model dat gebruikmaakt van positive-unlabeled learning en cross-modale aandacht om variant- en genniveau-kenmerken te integreren, waarmee het een state-of-the-art prestatie bereikt in het prioriteren van zowel medicijn-targets als pathogene varianten over diverse genetische afstammingsgroepen heen.
Deze studie toont aan dat het integreren van genexpressiedata met technisch vervaardigde B-celreceptorkenmerken, in plaats van taalmodel-embeddings, effectief complementaire biologische informatie vastlegt terwijl celtype-relaties behouden blijven en een robuuste B-celsubstructuur wordt onthuld.
Dit artikel demonstreert hoe algemene AI de experimentele biologie kan uitbreiden door toetsbare hypothesen te genereren en te onderzoeken vanuit publieke moleculaire datasets, terwijl het het cruciale onderscheid benadrukt tussen het identificeren van reproduceerbare datapatronen en het vaststellen van bevestigde experimentele of therapeutische effecten.
Pose is een lichtgewicht, pure-NumPy Python-bibliotheek die een verenigd, chiraliteitsbewust framework biedt voor het bouwen en manipuleren van eiwit-, nucleïnezuur- en kleine molecuulstructuren, terwijl het meerdere krachtvelden en scorefuncties nauwkeurig implementeert met prestaties die vergelijkbaar zijn met gevestigde tools zoals OpenMM, PyRosetta en AutoDock Vina.
Deze studie maakt gebruik van de kustwateren van de Arabische Zee bij Mumbai als model om te demonstreren hoe snelle verstedelijking de accumulatie van diverse plasmide-gemedieerde antimicrobiële resistentiegenen aanjaagt, inclusief nieuwe plasmide-gedragen mupirocine-resistentie, waardoor een aanzienlijk reservoir voor de wereldwijde verspreiding van AMR ontstaat.
Door 18 jaar aan gegevens van het National Institute on Aging Interventions Testing Program te analyseren, stelt deze studie een gestandaardiseerd voorspellingsinterval-kader vast om natuurlijke levensduurvariatie te onderscheiden van experimentele anomalieën, waarbij wordt onthuld dat het rekening houden met een dergelijke variabiliteit de statistische significantie van interventieresultaten kan veranderen.
Dit artikel introduceert ESM3-PPISites, een multimodale deep learning-modellen die de ESM3-architectuur benut om nauwkeurig eiwit-eiwitinteractie-interfaces te identificeren door evolutionaire en 3D-geometrische contexten te integreren, waardoor het bestaande methoden overtreft en de efficiëntie en nauwkeurigheid van downstream moleculaire docking-simulaties aanzienlijk verbetert.
LoCoFlow is een nieuw flow-matching framework dat de inferentie van enkelcel-lot en trajectreconstructie verbetert door lokale puntenwolkgeometrie te integreren met conditionele lot-onzekerheid, waardoor het bestaande methoden overtreft in transportnauwkeurigheid en voorspelling van perturbatierespons.