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.
Het OPTIMIS-framework combineert een hybride multischaal-model met een differentieerbaar neuronaal ODE-suraogat en versterkende leeragenten om dynamische, gesloten-lus therapieën te optimaliseren die gevaarlijke immuunreacties op microscopisch niveau voorspellen en voorkomen, waardoor de controlekans in complexe biologische systemen tot meer dan 70% stijgt.
Allos is een open-source Python-toolkit die, gebaseerd op het AnnData-datamodel, geïntegreerde analyse, visualisatie en interpretatie mogelijk maakt voor isoform-resolved single-cell en ruimtelijke transcriptomics, waardoor de beperkingen van gen-niveau analyses worden overwonnen.
Hoewel deze studie bevestigt dat opeenvolgende enzymen in *E. coli* vaker met elkaar interageren, concludeert de auteurs dat er geen structurele bewijzen zijn dat hun katalytische sites ruimtelijk geoptimaliseerd zijn voor efficiëntere metabolietoverdracht.
Dit artikel introduceert Tripso, een zelftoezichtend transformer-model dat celtoestanden analyseert op basis van gedefinieerde en nieuw ontdekte genprogramma's om interpreteerbare biologische inzichten en waardevolle hypotheses voor de biomedische wetenschap te genereren.
Dit onderzoek toont aan dat het toepassen van versterkingslering op DNA-talenmodellen niet alleen de kwaliteit van gegenereerde plasmiden aanzienlijk verbetert, maar ook leidt tot onverwachte emergente biologische realisme-eigenschappen die niet expliciet in de beloningsfunctie waren opgenomen.
In dit artikel wordt SpaMosaic voorgesteld, een schaalbaar hulpmiddel dat contrastief leren en graf-neurale netwerken gebruikt om heterogene ruimtelijke multi-omics-data te integreren, batch-effecten te verminderen en ontbrekende modaliteiten nauwkeurig te imputeren voor de constructie van uitgebreide biologische atlassen.
Dit artikel introduceert Signature Distance, een structurele generalisatie van de energieafstand die de gevoeligheid voor lokale dichtheids- en topologische veranderingen in hoogdimensionale biologische data verbetert en direct inzetbaar is als differentieerbare trainingsverliesfunctie voor generatieve modellen.
Dit paper introduceert 'fitness translocatie', een data-augmentatiestrategie die fitnessgegevens van homoloogeiwitten gebruikt om de voorspellingsnauwkeurigheid van varianteffecten voor doeleiwitten te verbeteren, zelfs bij beperkte trainingsdata en lage sequentie-identiteit.
Dit paper introduceert Chromatix, een open-source, GPU-versnelde en differentieerbare bibliotheek voor golf-optische simulaties die gebaseerd is op JAX en standaardisatie, snelheid en herbruikbaarheid biedt voor computationele optica-toepassingen zoals microscopie en holografie.
Het paper introduceert cellSight, een geautomatiseerd workflow-platform dat de verwerking van single-cell RNA-sequencing-data stroomlijnt door handmatige taken te minimaliseren, de reproduceerbaarheid te verbeteren en onderzoekers in staat te stellen zich te richten op data-interpretatie en klinische toepassing.