1246 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 onderzoek combineert single-cell RNA-sequencing en interpretable machine learning om nieuwe biomarkers te identificeren die de therapierespons bij triple-negatief borstkanker kunnen voorspellen, met name via niet-invasieve bloedmonsters.
De auteurs hebben SPAE ontwikkeld, een geïntegreerd Sinusoidal and Piecewise AutoEncoder-model dat de nauwkeurigheid en robuustheid van de analyse van celcyclusdynamiek en celfuncties in single-cell RNA-sequencing-data aanzienlijk verbetert.
REMAG is een nieuw hulpmiddel dat met behulp van contrastief leren en HyenaDNA-modellen eukaryotische genoomherwinning uit metagenomische data verbetert door bestaande beperkingen van prokaryotisch gefocuste pipelines te overwinnen en zo meer complete eukaryotische MAGs te produceren.
In dit artikel wordt scEvolver voorgesteld, een prototype-gebaseerd continu leerframework voor single-cell annotatie dat kennis over verschillende datasets heen opbouwt zonder historische data opnieuw te hoeven raadplegen, waardoor het zowel accuraat is als bestand tegen het vergeten van eerdere kennis.
Het artikel introduceert geneSTRUCTURE, een modern command-line en webplatform dat flexibele, interactieve en hoogwaardige visualisaties van genstructuren en aanvullende annotaties mogelijk maakt op basis van GFF3- en GTF-bestandsformaten.
Dit artikel introduceert Perseus, een lijn-gevoelig raffinement-framework dat Kraken2-classificaties voor lange-lees metagenomen verbetert door k-mer-bewijs te modelleren voor een hogere precisie en een lagere vals-positieve rate.
Deze studie toont aan dat genomische taalmodellen, zoals PlantCaduceus, de voorspelling van genexpressie over plantensoorten verbeteren en de effecten van regulatoire varianten in Brachypodium-mutanten nauwkeuriger kunnen voorspellen dan bestaande methoden.
In deze studie werd door middel van geavanceerde multi-omics-analyse van transcriptomische en proteomische data uit een varkensmodel voor MIDY-diabetes ADAMTS17 geïdentificeerd als een nieuwe biomarker die mogelijk betrokken is bij immuunstoornissen en vertraagde wondgenezing.
Dit paper introduceert Inverse Protocol Prediction (IPP), een gestructureerd leerframework dat experimentele kweekcondities betrouwbaar infereert uit enkele bright-field sferoïdebeelden door morfologische kenmerken te combineren met een hiërarchische multi-task Transformer voor afhankelijkheidsbewuste inferentie.
SR2P is een efficiënt machine-learningkader dat de abundantie van eiwitten in ruimtelijke transcriptomics-data voorspelt op basis van genexpressie, waardoor de analyse van tumorimmunologie mogelijk wordt zonder dure multi-omics-metingen.