1205 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.
Het artikel introduceert Cycle-Extractor, een snelle en nauwkeurige methode die een gemengd-integer lineair programma gebruikt om ecDNA-structuren uit zowel korte als lange leessequencing-data te reconstrueren, waarbij het aanzienlijk sneller is dan bestaande tools en met lange leesdata complexere en betrouwbaardere structuren kan onthullen.
Dit paper introduceert SuperSurv, een gebruiksvriendelijk R-pakket dat een unificerend framework biedt voor het bouwen, evalueren en interpreteren van ensemblemodellen voor rechts-gecensureerde overlevingsdata door diverse leermethoden te integreren, te kalibreren en te combineren via stacking.
DNA-MGC+ is een veelzijdige codec voor synthetisch DNA-geheugen die, door zijn superieure prestaties in diverse experimentele omgevingen, betrouwbare en kostenefficiënte dataopslag mogelijk maakt met een hoge foutcorrectie en een lage sequentieertiefte.
BioPipelines is een open-source Python-framework dat chemisch-biologen in staat stelt om complexe workflows voor computergestuurde eiwit- en ligandontwerp met slechts enkele regels code te definiëren en uit te voeren, waardoor de technische drempels voor het gebruik van geavanceerde deep learning-tools worden verlaagd.
Deze studie toont aan dat bij de Coloradokever (Leptinotarsa decemlineata) oraal opgenomen dsRNA wordt verwerkt tot functionele siRNA's die het centrale zenuwstelsel bereiken en daar de RNA-interferentie-machinerie activeren.
SpliceSelectNet is een nieuw, interpreteerbaar diep leermodel op basis van een hiërarchische Transformer dat nauwkeurig spliceplaatsen en afwijkingen voorspelt door zowel lokale als lange-afstandsafhankelijkheden in DNA-sequenties tot 100 kb te analyseren.
Fleming is een geïntegreerd AI-agent dat door middel van discriminatieve en generatieve modellen, gecombineerd met ADMET-predictie en literatuuronderzoek, succesvol nieuwe leidende verbindingen voor de behandeling van tuberculose identificeert met een hoge in vitro-trefferkans en gunstige farmacologische profielen.
FLAMESv2 is een nieuwe, modulaire R/Bioconductor-pakket dat de verwerking en analyse van lange-lezen single-cell en ruimtelijke RNA-seq-data mogelijk maakt om isofoor-expressie en alternatieve splijting op celniveau nauwkeurig te karakteriseren.
Deze paper introduceert mnDINO, een op Vision Transformer gebaseerd segmentatiemodel dat, getraind op een divers dataset met meer dan vijfduizend geannoteerde micronuclei, een nauwkeurige en robuuste detectie van deze subcellulaire structuren mogelijk maakt onder diverse experimentele omstandigheden.
Deze studie introduceert DEX, een verbeterde consensusmatrix voor aminozuurbijwerkingen die is gebaseerd op de beste presterende experimentele maatstaven en die de codonsubstitutiemodellering in diverse evolutionaire lijnen significant verbetert.