1249 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 toont aan dat protocolafhankelijke vertekeningen tussen 3' en 5' scRNA-seq-data beperkt zijn tot een klein aantal genen, en dat het verwijderen van deze specifieke genen een effectievere aanpak is dan agressieve normalisatie voor het integreren van datasets.
Dit artikel introduceert iGS, een code-vrij grafisch platform met een draagbare dubbele-engine-architectuur dat breeders in staat stelt om zonder programmeerkennis geavanceerde polygenetische voorspellingen te doen door 33 modellen te integreren en een gestroomlijnd workflow aan te bieden.
Dit artikel introduceert Minimum Unique Substrings (MUSs) als een contextbewust, variabele-lengte alternatief voor traditionele k-mers dat de complexiteit van genomen beter aanpakt, herhalingen nauwkeuriger afbakenen en aanzienlijke datacompressie biedt.
Dit artikel introduceert h5adify, een neuro-symbolisch toolkit dat lokale grote taalmodellen combineert met deterministische biologische inferentie om heterogene AnnData-metagegevens schaalbaar en privacy-bewust te harmoniseren, waardoor reproducible integratie van single-cell en ruimtelijke transcriptomiedata mogelijk wordt.
Dit onderzoek introduceert vhPPIpred, een geavanceerd machine learning-model dat netwerktopologie en moleculaire mimicrie integreert om virus-menselijke eiwitinteracties nauwkeuriger te voorspellen, ondersteund door een zorgvuldig samengesteld benchmarkdataset met toepassing in antivirale geneesmiddelenontwikkeling en het begrijpen van virulentie.
scUnify is een unificerend framework dat de praktische toepasbaarheid en schaalbaarheid van single-cell foundation modellen voor zero-shot inferentie verbetert door een gestandaardiseerde, modulaire workflow te bieden die automatisch omgevingsisolatie, preprocessing en multi-GPU-inferentie beheert.
In dit artikel wordt LLPSight gepresenteerd, een machine learning-model dat gebruikmaakt van embeddings van eiwit-taalmodellen om eiwitten die liquid-liquid phase separation (LLPS) aandrijven nauwkeuriger te voorspellen dan bestaande tools, waardoor efficiëntere ontdekking van nieuwe LLPS-drijvers en proteoomwijde analyses mogelijk worden.
Dit onderzoek toont aan dat het meta-learning-framework STUNT slechts een beperkt voordeel biedt voor de classificatie van microbiome-gebaseerde ziekten bij extreem weinig data, maar dat deze prestaties snel achteruitgaan bij meer samples, wat wijst op de noodzaak van methoden die ziekte- en cohortspecifieke variatie beter behouden.
Deze studie identificeert via een *in silico* screening fytochemicaliën uit Indiase medicinale kruiden, met name metanoliden uit *Withania somnifera*, die een sterkere binding aan intestinaal α-glucosidase vertonen dan het referentiemedicijn miglitol en potentieel hebben voor de beheersing van postprandiale glucose bij type-2 diabetes.
Dit artikel introduceert DartUniFrac, een nieuw algoritme met GPU-versnelling dat de UniFrac-berekening tot drie orden van grootte versnelt door het te koppelen aan gewogen Jaccard-gelijksoortigheid en schetsalgoritmen, waardoor het schaalbaar wordt tot miljoenen monsters en miljarden taxa met statistisch vergelijkbare resultaten als exacte methoden.