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 paper introduceert MutationNetwork, een grafgebaseerd raamwerk dat langafstandsinteracties en lokale overlap integreert om somatische mutaties te analyseren, waarmee effectief subtypes van borstkanker kunnen worden geclusterd en niet-coderende drivermutaties kunnen worden geïdentificeerd.
Het artikel introduceert VICAST, een geïntegreerde toolkit die semi-automatische genoomannotatie met handmatige controle combineert met gevoelige detectie van laagfrequente varianten, specifiek ontworpen om de analyse van virale evolutie in doorgangsstudies te stroomlijnen en te verbeteren.
Deze paper introduceert SLAB, een efficiënt sweep-line algoritme dat op PBWT is gebaseerd om 'haplotype block cores' te identificeren en zo nieuwe inzichten biedt in selectiesignalen en populatiegenetica die conventionele methoden zoals IBD-rates missen.
OmicClaw is een uitvoerbaar en reproduceerbaar framework dat natuurlijke taal gebruikt om multi-omics-analyses te stroomlijnen binnen het verenigde OmicVerse-ecosysteem, waardoor complexe workflows voor bulk-, single-cell en ruimtelijke genomica betrouwbaar en toegankelijk worden gemaakt.
Dit artikel presenteert een fenotype-gestructureerd wiskundig model dat laat zien hoe intra-tumorale heterogeniteit in proliferatie en therapeutische selectiedruk de evolutionaire dynamiek van tumorgroei en resistentie bepalen, waarbij specifieke behandelingen leiden tot divergerende verschuivingen in de gemiddelde proliferatiesnelheid.
Dit artikel introduceert 3D-Manhattan, een interactieve, browsergebaseerde tool die meerdere GWAS-resultaten in een driedimensionale ruimte visualiseert om complexe vergelijkingen over tijd, eigenschappen of condities mogelijk te maken.
Deze studie presenteert een geïntegreerde AI- en kwantumchemische aanpak voor het rationeel ontwerpen van Solres, een nieuw antibacterieel middel dat specifiek is gericht op virulentieproteïnen van *Ralstonia solanacearum* om bacterievuur in gewassen te bestrijden.
RNAElectra is een nieuw RNA-foundationmodel dat de ELECTRA-gebaseerde vervang-token-detectiemethode (RTD) toepast om een nauwkeuriger en beter interpreteerbaar model te creëren voor het voorspellen van diverse RNA-regulerende processen, zoals structuur, interacties en modificaties, door een betere afstemming tussen pretraining en downstream-taken dan traditionele masked language modeling-approaches.
Dit artikel introduceert ATOMICA, een geometrisch deep learning-model dat universele atomaire representaties van intermoleculaire interacties leert over vijf verschillende modaliteiten en daarmee nieuwe inzichten biedt voor het voorspellen van bindingspartners in donkere proteomen.
Deze studie presenteert AFESM, een dataset van 820 miljoen voorspelde eiwitstructuren die, door clustering en analyse, duizenden nieuwe domeinvouwen en ongeziene domeincombinaties uit metagenomische data onthult, waarmee een aanzienlijk deel van het onontdekte eiwitstructuuruniversum wordt belicht.