1199 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 cross-domein deep learning-framework dat recurrentie-gebaseerde latente analyse en pathologische fragmentatiemetrieën gebruikt om de ruimtelijke organisatie en remodeling-dynamiek van weefselherstel versus tumor-micro-omgevingen te karakteriseren en te vergelijken over heterogene menselijke datasets.
Dit artikel introduceert een modulaire Bayesiaanse raamwerk, geïllustreerd door de Plasmotrack-software voor *Plasmodium falciparum*, dat gerichte transmissienetwerken reconstrueert uit polyklonale infecties door rekening te houden met meerdere genetische bronnen en niet-geobserveerde ouders om belangrijke volksgezondheidsmetrieken te schatten.
Dit artikel presenteert computationele protocollen en praktische voorbeelden voor het automatiseren van de annotatie van virale niet-coderende RNA's en het programmeren van het ophalen van Rfam-data via de RESTful API, terwijl R2DT wordt ingezet om uitgebreide 2D-structuurvisualisaties te genereren voor integratie in bioinformatica- en machine learning-workflows.
Het artikel introduceert PXN, een probabilistisch machine learning-framework dat platformoverschrijdende incompatibiliteit in publieke genexpressiedata overwint door diverse datasets (waaronder de overbrugging van microarray- en RNA-seq-technologieën) naadloos te vertalen naar een verenigde representatie, waardoor de nauwkeurigheid en statistische kracht van grootschalige integratieve biologische analyses aanzienlijk worden versterkt.
De auteurs ontwikkelden TriCyP, een op taalmodellen voor eiwitten gebaseerde tool die functionele toestanden van cysteïne (disulfidebindingen, metaalcoördinatie en vrije thiolen) nauwkeurig voorspelt op basis van voorspelde structuren, waardoor een catalogus op proteoomschaal van 2,7 miljoen cysteïnes over ECOD-domeinen mogelijk wordt die duidelijke biologische patronen blootlegt en nieuwe metaalbindende families en potentiële eiwit-eiwitinteracties identificeert.
Het artikel introduceert Aiki-Sol, een voorspeller voor eiwitsolubiliteit die de prestatieplateau's van bestaande modellen doorbreekt door centrifugeringsregimes expliciet te behandelen als een kritieke eigenschap in plaats van ruis, waardoor aanzienlijke nauwkeurigheidsverbeteringen worden bereikt op een nieuw vrijgegeven, op strengheid geannoteerde E. coli-dataset.
Dit artikel presenteert een contextspecifiek raamwerk dat stressrespons-geengroepen valideert door gebruik te maken van eiwit-eiwitinteractienetwerken die beperkt zijn tot differentieel tot expressie gebrachte genen, en toont aan dat biologisch onderbouwde "Primaire Respons"-genen significant onderling verbonden subnetwerken vormen over temperatuurcondities heen.
De auteurs ontwikkelden "plant", een de novo computationele methode analoog aan chromatografie die de vergelijking, annotatie en kwantificatie van proteïnedomeinen over transcriptomen van niet-modelorganismen mogelijk maakt zonder een referentiegenoom te vereisen, zoals aangetoond door een analyse van *Selaginella*-soorten met 1KP RNA-seq-data.
Dit artikel toont aan dat een verbeterd generiek gegevensschema succesvol hoge-trouw koppeling en robuuste steekproeftraceerbaarheid waarborgt in complexe, multidisciplinaire, meerfasige malaria-vectorstudies in Tanzania, waarbij bijna perfecte gegevensintegratie wordt bereikt van veldverzameling via insectariumkweek tot laboratoriumanalyse.
Deze studie onthult dat zowel archaellum-gebaseerde motiliteit als F1-type chemosensitieve systemen waarschijnlijk via horizontale genoverdracht van Archaea naar Chloroflexota-bacteriën zijn overgebracht, waardoor een gedeelde evolutionaire traject tussen deze distincte domeinen wordt vastgesteld.