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 studie identificeert via een in silico transcriptomische analyse gedeelde moleculaire signatuur en immuungeassocieerde pathways tussen Hashimoto-thyreoïditis en type 2-diabetes, en stelt drie bestaande geneesmiddelen voor als potentiële kandidaten voor drug repurposing.
Deze studie toont aan dat de meeste transferleerstrategieën voor het voorspellen van chemotherapie-respons in de kliniek geen robuuste verbetering bieden, terwijl conservatieve benaderingen zoals het fijnafstemmen van pre-klinische modellen of het integreren van pre-klinische voorspellingen als kenmerken wel stabielere en reproduceerbare resultaten opleveren.
Dit artikel introduceert rustybam, een in Rust geschreven command-line toolkit voor CIGAR-bewuste manipulatie van PAF- en BAM-alignments, en SafFire, een browsergebaseerde tool voor interactieve visualisatie van genoomvergelijkingen.
In dit artikel wordt ExCALIBR, een semi-supervisieerd raamwerk dat varianten op basis van skew-normale mengverdelingen kalibreert, voorgesteld om experimentele assays te standaardiseren en zo de classificatie van genetische varianten in de klinische praktijk te verbeteren.
Het artikel introduceert resLens, een familie van genomische taalmodellen die, in tegenstelling tot traditionele op uitlijning gebaseerde methoden, gebruikmaken van vooraf getrainde DNA-representaties om antibioticaresistentiegenen nauwkeuriger te detecteren, zelfs wanneer deze afwijken van bekende referentiedatabases.
Dit artikel introduceert rbio1, een biologisch redeneermodel dat wordt getraind met versterkingsleer waarbij gesimuleerde biologische wereldmodellen fungeren als zachte verifiers, waardoor state-of-the-art prestaties worden bereikt zonder extra experimentele data.
DupyliCate is een Python-tool die is ontwikkeld voor het hoogwaardig identificeren, classificeren en karakteriseren van gen-duplicaties in diverse organismen, waaronder planten, bacteriën, schimmels en nematoden, om zo de evolutionaire oorsprong van nieuwe eigenschappen te bestuderen.
Dit artikel introduceert FragBEST-Myo, een deep learning-methode die gebruikmaakt van moleculaire dynamica en semantische segmentatie om bindingsplaatsen op eiwitten te analyseren en zo de selectie van geschikte conformaties voor ensembles-docking te verbeteren.
Deze studie benchmarkt zeven variant-callers op korte-read sequencing-data van *Mycobacterium tuberculosis*, waarbij FreeBayes de beste prestaties leverde en een nieuw ontwikkelde foutenmodel de detectie van lage-frequentie varianten aanzienlijk verbeterde door valse positieven te filteren.
Clair3 v2 verbetert de nauwkeurigheid van variantenbepaling bij Oxford Nanopore-sequencing door gebruik te maken van de lichtgewicht move table en verblijftijden, wat leidt tot aanzienlijk betere resultaten voor indels en homopolymeren met een verwaarloosbare rekentijd.