769 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 paper introduceert DeepEST, een multimodaal deep learning-framework dat genexpressie, genlocatie en eiwitstructuur integreert om de functie van bacteriële eiwitten nauwkeuriger te voorspellen dan bestaande methoden.
Dit onderzoek toont aan dat het negeren van epistatische interacties in lineaire modellen voor genomische associatiestudies (GWAS) kan leiden tot vertekende teststatistieken en vals-positieve resultaten, wat voorzichtigheid vereist bij het interpreteren van bestaande bevindingen.
STELAR-X is een nieuw, statistisch consistent algoritme dat de schaalbaarheid van coalescentie-gebaseerde inferentie van soortbomen tot 100.000 soorten en meer mogelijk maakt door een herontworpen computerramwerk met compacte datastructuren en GPU-parallellisme, wat resulteert in aanzienlijk snellere verwerkingstijden en lager geheugengebruik dan bestaande methoden zoals ASTRAL.
Dit paper introduceert Protenix-v1, het eerste volledig open-source model dat AlphaFold3 overtreft door middel van inference-time schaling, uitgebreide RNA- en template-ondersteuning, en een grotere dataset, terwijl het tegelijkertijd de benchmarking-praktijken voor biomoleculaire structuurvoorspelling verbetert.
Dit onderzoek toont aan dat ontstekingsprocessen in de mond de microbiële gemeenschap herstructureren door koolhydraat-afhankelijke commensalen te vervangen door metabolisch aangepaste ontstekingsliefhebbers, wat een kader biedt voor microbiome-gerichte therapieën.
Deze studie toont aan dat genealogische schattingsfouten (GTEE) een sterkere negatieve invloed hebben op de nauwkeurigheid van soortenstambomen dan onvolledige lijnsortering (ILS), omdat GTEE uniforme ruis genereert die niet afneemt met meer genen, terwijl ILS een gestructureerde vertekening veroorzaakt.
Folddisco is een snelle, efficiënte en nauwkeurige softwaretool die de zoektocht naar structurele motieven in grote verzamelingen van 53 miljoen eiwitstructuren mogelijk maakt door gebruik te maken van een geïndexeerd systeem op basis van positie-onafhankelijke geometrische kenmerken.
Deze paper introduceert een formeel raamwerk en een efficiënt lineair algoritme voor het afleiden van syntenieblokken direct uit sequentiegegevens door het minimaliseren van het aantal blokken en de totale genomische lengte zonder rearrangementen te verhullen.
ProteoMapper is een computergestuurde framework die domeinannotatie en motiefdetectie integreert om de ruimtelijke relaties en evolutionaire beperkingen van contextuele motief-domeinpatronen in proteïnefamilies te kwantificeren en te visualiseren zonder programmeerkennis.
Deze studie introduceert een nieuwe, schaalbare en interpreteerbare methode op basis van een Bayesiaanse kwantiel-neuraal netwerk (Q-FSNet) en zijn uitbreiding Q-DirichNet om op basis van data uit de Canadese Longitudinale Studie op Veroudering 25 metabole biomerkers te identificeren die een 'fysiologisch sweet spot' vertonen waar biologische veroudering wordt geminimaliseerd.