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.
Dit artikel introduceert FragBEST-Myo, een deep learning-methode die gebruikmaakt van moleculaire dynamica en semantische segmentatie om bindingsplaatsen op eiwitten te analyseren en zo de selectie van geschikte conformaties voor ensembles-docking te verbeteren.
Deze studie benchmarkt zeven variant-callers op korte-read sequencing-data van *Mycobacterium tuberculosis*, waarbij FreeBayes de beste prestaties leverde en een nieuw ontwikkelde foutenmodel de detectie van lage-frequentie varianten aanzienlijk verbeterde door valse positieven te filteren.
Clair3 v2 verbetert de nauwkeurigheid van variantenbepaling bij Oxford Nanopore-sequencing door gebruik te maken van de lichtgewicht move table en verblijftijden, wat leidt tot aanzienlijk betere resultaten voor indels en homopolymeren met een verwaarloosbare rekentijd.
IntelliFold-2 is een open-source model voor het voorspellen van biomoleculaire structuren dat AlphaFold 3 overtreft door architecturale verfijningen en structurele consistentie, met name bij therapeutisch relevante toepassingen zoals antilichaam-antigeeninteracties en eiwit-ligand-koppeling.
Dit artikel introduceert CellLink, een handmatig geannoteerd corpus van meer dan 22.000 celpopulaties in de biomedische literatuur, en analyseert de naamgevingspatronen en de toepassing van machine learning voor het koppelen aan de Cell Ontologie, wat bijdraagt aan het uitbreiden en verfijnen van deze gestructureerde kennisbron.
In deze studie wordt een hybride machinelearningframework ontwikkeld dat twee veelbelovende nieuwe therapeutische kandidaten, berberrubine en PE859, identificeert die TDP-43-aggregatie remmen en locomotorische defecten in een *C. elegans*-model van neurodegeneratie verminderen.
CodonRL is een versterkingsleerframework dat demonstratiegeleide replay en snelle structurele feedback gebruikt om synonieme codonsequenties te optimaliseren voor meerdere doelen, zoals vertalingsefficiëntie en RNA-stabiliteit, en overtreft de huidige state-of-the-art methode GEMORNA aanzienlijk op een benchmark van menselijke eiwitten.
Deze studie presenteert een feature-based in-silico model dat met hoge nauwkeurigheid het bedaquiline-resistentie-phenotype van *Mycobacterium tuberculosis* voorspelt op basis van Rv0678-varianten, waardoor de klinische beheersing van rifampicine-resistente tuberculose kan worden verbeterd.
Deze paper introduceert Theseus, een sneller en optimaal algoritme voor affiene-gat sequentie-naar-graf-uitlijning dat de rekentijd en het geheugengebruik aanzienlijk verlaagt zonder in te leveren op nauwkeurigheid, waardoor het superieur is aan bestaande methoden voor meervoudige sequentie-uitlijning en pangenoomlezingmapping.
GeneReL is een nieuw platform dat grote taalmodellen (LLM's) combineert met community-curatie om automatisch en nauwkeurig gen-regulerende interacties in *Arabidopsis thaliana* te extraheren uit wetenschappelijke literatuur.