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.
Deze studie presenteert een geïntegreerde transcriptoomgebaseerde workflow die 64 bestaande FDA-goedgekeurde medicijnen identificeert als veelbelovende gastheergerichte therapieën voor tuberculose en 12 nieuwe dringbare doelwitten blootlegt, waarmee een robuust computermodel wordt geboden voor de systematische herontdekking van medicijnen bij infectieziekten.
In dit artikel wordt TriGraphQA voorgesteld, een nieuw triple graph learning-framework dat de kwaliteit van voorspelde eiwitcomplexen nauwkeuriger beoordeelt door de structurele eigenschappen van individuele ketens en het bindingsinterface expliciet te ontkoppelen en te integreren.
RNASTOP is een nieuw deep learning-framework dat de chemische stabiliteit van mRNA nauwkeuriger voorspelt en optimaliseert, waardoor de ontwikkeling van mRNA-therapieën wordt versneld.
Dit onderzoek gebruikt moleculaire docking en immunoinformatica om te bevestigen dat de *Plasmodium falciparum*-antigenen PfCyRPA, PfMSP10 en PfCSP veelbelovende kandidaten zijn voor de ontwikkeling van een malaria-vaccin.
Deze studie identificeert via bio-informatica en machine learning van meerdere transcriptoomdatasets dat stoornissen in het vitamine D-metabolisme en chronische ontsteking kernmechanismen vormen voor de diagnose van kwetsbaarheid bij ouderen.
Dit artikel introduceert dGSEA, een differentieerbare versie van de Gene Set Enrichment Analysis die de kloof tussen gen-niveau trainingsdoelen en pad-niveau interpretatie in transcriptomische studies overbrugt door zachte sortering en genormaliseerde verrijkingsscores te gebruiken voor stabielere en nauwkeurigere pad-gebaseerde supervisie.
In dit artikel wordt ECHO gepresenteerd, een gebruiksvriendelijke en reproduceerbare Snakemake-pijplijn die Oxford Nanopore-sequencingdata gebruikt voor de integrale (epi)genetische karakterisering van het menselijke repetitieve genoom.
Dit paper introduceert scCChain, een transformer-gebaseerd framework dat ruimtelijke transcriptomics-data analyseert om biologisch betekenisvolle communicatieprogramma's tussen cellen te identificeren en hun hotspots op cel- en vlek-niveau te lokaliseren.
Deze studie biedt praktische richtlijnen voor de selectie van annotatiemethoden in zeldzame variantstudies door systematisch vijf machine learning-methoden te benchmarken, waarbij CADD de beste prestaties leverde en een nieuw framework op basis van Wasserstein-afstanden werd geïntroduceerd voor kalibratiebeoordeling.
Dit artikel introduceert ISdetector, een nauwkeurige en schaalbare bio-informatica-pijplijn die insertiesequenties en bijbehorende structurele variaties in bacteriële en archaeale genomen identificeert door soft-clipped reads te clusteren, waardoor het superieur is aan bestaande methoden voor het bestuderen van genoomplasticiteit.