1244 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 PROPTIMUS RAPHAN, een snelle methode die de optimalisatie van eiwitstructuren versnelt door deze op te delen in overlappende residu-substructuren, waardoor de rekentijd lineair schaalt met de structuurgrootte terwijl vergelijkbare resultaten worden behaald als bij traditionele methoden.
Deze paper introduceert ARIES, een nieuw algoritme dat proteïne-taalmodellen gebruikt om snelle en nauwkeurige meervoudige sequentie-alineaties te construeren, zelfs in gebieden met lage sequentie-identiteit waar traditionele methoden tekortschieten.
Het artikel introduceert scprocess, een Snakemake-pipeline die is ontworpen om de verwerking, integratie en visualisatie van atlasschaal single-cell RNA-sequencingdata (specifiek van 10x Genomics) te stroomlijnen en te automatiseren, waardoor reproduceerbaarheid en schaalbaarheid voor grote datasets worden gewaarborgd.
Deze studie introduceert een gestandaardiseerde, op expressie gebaseerde annotatiestrategie die de systematische detectie en kwantificatie van kleine vault-RNAs (svtRNAs) in menselijke cellen mogelijk maakt en aantoont dat deze een overvloedig en consistent verwerkt onderdeel vormen van het menselijke kleine RNA-landschap.
Deze studie introduceert FIFA, een nieuw en interpreteerbaar machine learning-model dat de prestaties van bestaande methoden verbetert bij het filteren van FFPE-geïnduceerde artefacten in tumorsequencing, waardoor de waarde van retrospectieve FFPE-archiefstalen voor kankeronderzoek aanzienlijk toeneemt.
EnsAgent is een robuust multi-agent systeem dat door middel van een geïntegreerd ensemble van tools en een iteratief bewijsgebaseerd redeneerproces de nauwkeurigheid en reproduceerbaarheid van domeinannotatie in ruimtelijke transcriptomics verbetert.
Dit artikel introduceert de Descriptron-GBIF Annotator, een browsergebaseerd platform dat burgers in staat stelt om via AI-ondersteuning en gestructureerde ontologieën morfologische annotaties toe te voegen aan biodiversiteitsafbeeldingen, waarmee een schaalbare oplossing wordt geboden voor het tekort aan gestructureerde morfologische data en een feedbacklus wordt gecreëerd met professionele taxonomen.
In dit artikel wordt STEVE voorgesteld, een kwantitatief framework dat de nauwkeurigheid, robuustheid en reproduceerbaarheid van celtype-annotatie in single-cell RNA-sequencing-studies evalueert via drie complementaire modules en een unificerend probabilistisch model.
Deze studie identificeert een reproduceerbare immuun-fibrotische transcriptiesignatuur en een gevalideerd negengens-biomarkerpanel voor menselijke cardiomyopathieën, waarbij ferroptose en HMOX2 worden geïdentificeerd als centrale pathologische mechanismen.
Dit artikel introduceert MOSAICField, een unificerend raamwerk dat gebruikmaakt van een diep neuronaal netwerk om ruimtelijke weefseldata van verschillende modaliteiten nauwkeurig te aligneren en een coherent 3D-model te reconstrueren, waardoor de integratie van complexe tumoratlassen zoals die van prostaatkanker aanzienlijk wordt verbeterd.