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.
Deze studie introduceert een nieuwe statistische methode in de Pelican-software om aminozuurpreferenties in coderende sequenties te koppelen aan continue fenotypische eigenschappen, wat een hogere detectiekracht biedt dan eerdere benaderingen, hoewel de toepassing op bestaande mammaliërendata suggereert dat het bewijs voor associaties met levensduur in de sequentiegegevens zelf zwak is.
Dit onderzoek toont aan dat interpreteerbare machine learning op multi-omics-data van 198 sojaboonvariëteiten aantoont dat de isoflavoon daidzin en de bacterie *Candidatus Nitrosocosmicus* onder droogtestress cruciale bijdragen leveren aan de aanpassing van planten via rhizosfeer-netwerken.
Dit artikel introduceert Cenote-Taker 3, een krachtig en nauwkeurig commando-gestuurde tool voor de ontdekking en annotatie van virale genoomsequenties die, ondanks de grote genetische diversiteit van virussen, sneller en preciezer presteert dan veel bestaande methoden.
Dit artikel introduceert PATTY, een computationele methode die open-chromatine-bias in bulk- en single-cell CUT&Tag-data corrigeert door gebruik te maken van ATAC-seq en machine learning, waardoor de nauwkeurigheid van het detecteren van histonmodificaties en de kwaliteit van single-cell clustering aanzienlijk worden verbeterd.
Deze paper introduceert PRISM-G, een interpreteerbaar, model-onafhankelijk raamwerk dat de privacyrisico's van synthetisch menselijk genoomdata kwantificeert via drie complementaire perspectieven (proximiteit, verwantschap en eigenschappen) om een totaalscore van 0 tot 100 te genereren.
Dit onderzoek gebruikt all-atoma moleculaire dynamica-simulaties om te laten zien hoe dynamische elektrostatische netwerken, in combinatie met ion- en lipide-interacties, de structurele plasticiteit en functionele modulatie van het CFTR-kanaal ondersteunen, waardoor moleculaire inzichten worden verkregen in de stabilisatie van conformaties, de anionconductie en het potentieringsmechanisme van VX-770.
HEDeST is een robuust, zwaktoezichtend framework dat histologische morfologische kenmerken integreert met deconvolutie-resultaten om ruimtelijke transcriptomics-data op celniveau op te lossen en biologisch betekenisvolle micro-omgevingen in kankerweefsel te onthullen.
Deze studie introduceert DVPNet, een interpreteerbaar framework dat de Nucleotide Transformer en probabilistische circuits combineert om op basis van single-cell data nieuwe inzichten te krijgen in genen die belangrijk zijn voor het onderscheiden van longkankercellen van normale cellen.
ADAMIXTURE is een nieuw optimalisatiekader dat het EM-algoritme combineert met Adam om genetische clustering op biobank-schaal aanzienlijk sneller en schaalbaarder te maken dan bestaande methoden, terwijl de nauwkeurigheid behouden blijft.
Dit onderzoek introduceert varTFBridge, een methode die FOODIE-footprinting en AlphaGenome combineert om duizenden causale niet-coderende varianten te identificeren die genregulerende netwerken verstoren en erythrocyt-traits beïnvloeden, waaronder de mechanismen achter het rs112233623-allel.