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.
Dit paper introduceert LYM-1, het eerste grootschalige model voor meerdere gewassen dat, gebaseerd op meer dan 4,7 miljoen opbrengstobservaties in de Canadese prairies, gewasopbrengsten voorspelt en inzicht biedt in de interacties tussen genetica, omgeving en management om de landbouwproductie en gewasontwikkeling te optimaliseren.
Deze studie evalueerde de prestaties van zes somatische variant-callers op klinische tumour-only amplicon-sequencingdata en concludeerde dat FreeBayes, VarScan, MuTect2 en Pisces de beste resultaten leverden, hoewel FreeBayes meer artefacten genereerde.
Dit artikel introduceert IDiom, een autoregressief taalmodel dat is getraind op 37 miljoen intrinsiek ongeordende sequenties en in staat is om biologisch relevante en functioneel georiënteerde eiwitsequenties te genereren, waarmee een langdurige uitdaging in het rationele ontwerp van deze dynamische eiwitregio's wordt opgelost.
Dit paper introduceert SimpleFold-Turbo, een open-source methode die adaptieve caching toepast op flow-matching voor eiwitstructuurvoorspelling en hiermee een 14-voudige versnelling bereikt zonder kwaliteitsverlies, zonder dat hertraining of MSA-servers nodig zijn.
De studie concludeert dat onherleidbare batch-effecten en kleine steekproefgroottes de oorzaak zijn van niet-reproduceerbaarheid in high-content assays, maar dat dit de classificatiepatronen niet beïnvloedt, terwijl het verwijderen van uitschieters juist schadelijk is voor de resultaten.
Deze studie presenteert een robuust, gestructureerd computeraangedreven raamwerk dat meta-ensemble QSAR, moleculaire dynamica en ADMET-profielen integreert om nieuwe, stabiele BACE1-remmers te identificeren voor de behandeling van de ziekte van Alzheimer, waarbij verbinding Mol-2 als de meest veelbelovende kandidaat naar voren komt.
Dit artikel introduceert TCMCard, een hoogwaardige digitale infrastructuur die gebruikmaakt van een Multi-Dimensional Evidence Integration-framework om netwerkfarmacologie in de traditionele Chinese geneeskunde te verfijnen door lage betrouwbaarheid te elimineren en een betrouwbaarder basis te bieden voor het begrijpen van synergie in TCM-formules.
Dit onderzoek vergelijkt drie hulpmiddelen voor het genereren en evalueren van trnL-referentiedatabases voor plant-DNA-metabarcoding en concludeert dat MetaCurator en RESCRIPt over het algemeen de beste prestaties leveren, terwijl alle gegenereerde databases wereldwijd inzetbaar zijn.
Dit artikel introduceert Immunotype, een deep learning-model dat HLA-typing direct en nauwkeurig uitvoert op basis van immunopeptidomics-gegevens, waardoor een tot nu toe onopgeloste computationele uitdaging bij het ontrafelen van multi-allelische complexiteit wordt opgelost.
Deze studie toont aan dat hoewel CellBender en SoupX betrouwbare methoden zijn voor het verwijderen van omgevings-RNA, tools zoals scAR en CellClear kritieke fouten vertonen door kunstmatige counts te genereren en de integriteit van de data-matrix te schenden, wat leidt tot een nieuw besluitvormingskader voor toolselectie op basis van platform en data-integriteit.