1018 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 artikel presenteert een machine learning-model dat, door te leren van reducerende trainingsdata, de principes van niet-gebonden interacties tussen geneesmiddelen en receptoren succesvol kan infereren en zo een theoretisch raamwerk biedt voor het voorspellen van moleculaire herkenning in nieuwe chemische stoffen.
FlashDeconv is een nieuwe methode die structurele informatie behoudt bij het samenvoegen van data, waardoor het mogelijk wordt om op atlas-schaal en in verschillende resoluties ruimtelijke celtype-deconvolutie uit te voeren met hoge nauwkeurigheid en snelheid, wat leidt tot nieuwe inzichten in weefselmicro-omgevingen die met bestaande methoden onzichtbaar blijven.
Het artikel introduceert Col-Ovo, een op kunstmatige intelligentie gebaseerde smartphone-toepassing die de snelle en nauwkeurige telling van Aedes-muggeneitjes in veldomstandigheden mogelijk maakt, waardoor de operationele knelpunten van handmatige tellingen in de surveillance van dengue- en zikavirussen worden opgelost.
Dit artikel introduceert PACMON, een schaalbaar Bayesiaans model dat grote multimodale verstoringsscreens integreert om effecten van verstoringen direct te koppelen aan interpreteerbare biologische pathways.
Dit paper introduceert TCRseek, een schaalbaar tweestapszoekraamwerk dat windowed k-mer embeddings en benaderde dichtste-buren-indexering combineert met een herordening op basis van exacte uitlijning om TCR-repertoires efficiënt en gevoelig te doorzoeken.
Dit onderzoek toont aan dat SNP-annotatie-resultaten aanzienlijk variëren afhankelijk van de gebruikte tool en genmodel, en dat een multi-tool- en multi-model-strategie de meest uitgebreide dekking biedt en essentieel is voor robuuste pathway-analyses.
Dreampy is een Python-implementatie van het R/Bioconductor-framework dreamlet die pseudobulk differentialexpressie-analyse voor single-cell RNA-seq-data mogelijk maakt door lineaire gemengde modellen met voom-precision weights en empirische Bayes-moderatie te integreren in het scverse-ecosysteem.
Dit artikel introduceert Micro16S, een deep learning-model dat 16S-rRNA-gensequenties omzet in continue vectorrepresentaties op basis van fylogenetische relaties om taxonomische coherentie en regio-invariantie te verbeteren, hoewel klassieke machine learning-baselines op moment van publicatie nog betere prestaties leverden op classificatietaken.
ExposoGraph is een interactief platform dat carcinogene blootstellingen, metabolische activerings- en detoxificatiepaden, DNA-schade en genetische annotaties verenigt in één kennisgrafiek om systematische evaluaties van gen-omgevingsinteracties bij kankerrisico te faciliteren.
Dit artikel toont aan dat een enkel AI-agent (Claude Opus 4.6) statistisch equivalente data kan extraheren uit vijf landbouwdatasets voor meta-analyses, waardoor de extractiekosten met een orde van grootte dalen terwijl de nauwkeurigheid behouden blijft.