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.
IntelliFold-2 is een open-source model voor het voorspellen van biomoleculaire structuren dat AlphaFold 3 overtreft door architecturale verfijningen en structurele consistentie, met name bij therapeutisch relevante toepassingen zoals antilichaam-antigeeninteracties en eiwit-ligand-koppeling.
Dit artikel introduceert CellLink, een handmatig geannoteerd corpus van meer dan 22.000 celpopulaties in de biomedische literatuur, en analyseert de naamgevingspatronen en de toepassing van machine learning voor het koppelen aan de Cell Ontologie, wat bijdraagt aan het uitbreiden en verfijnen van deze gestructureerde kennisbron.
In deze studie wordt een hybride machinelearningframework ontwikkeld dat twee veelbelovende nieuwe therapeutische kandidaten, berberrubine en PE859, identificeert die TDP-43-aggregatie remmen en locomotorische defecten in een *C. elegans*-model van neurodegeneratie verminderen.
CodonRL is een versterkingsleerframework dat demonstratiegeleide replay en snelle structurele feedback gebruikt om synonieme codonsequenties te optimaliseren voor meerdere doelen, zoals vertalingsefficiëntie en RNA-stabiliteit, en overtreft de huidige state-of-the-art methode GEMORNA aanzienlijk op een benchmark van menselijke eiwitten.
Deze studie presenteert een feature-based in-silico model dat met hoge nauwkeurigheid het bedaquiline-resistentie-phenotype van *Mycobacterium tuberculosis* voorspelt op basis van Rv0678-varianten, waardoor de klinische beheersing van rifampicine-resistente tuberculose kan worden verbeterd.
Deze paper introduceert Theseus, een sneller en optimaal algoritme voor affiene-gat sequentie-naar-graf-uitlijning dat de rekentijd en het geheugengebruik aanzienlijk verlaagt zonder in te leveren op nauwkeurigheid, waardoor het superieur is aan bestaande methoden voor meervoudige sequentie-uitlijning en pangenoomlezingmapping.
GeneReL is een nieuw platform dat grote taalmodellen (LLM's) combineert met community-curatie om automatisch en nauwkeurig gen-regulerende interacties in *Arabidopsis thaliana* te extraheren uit wetenschappelijke literatuur.
Dit onderzoek toont aan dat roken de incidentie van darmkanker verhoogt door de darmmicrobiota en metabolieten te verstoren en de expressie van tumoronderdrukkende genen, zoals CPT2, te onderdrukken.
Dit onderzoek presenteert een netwerkgebaseerd algoritme dat een globaal perspectief gebruikt om nieuwe gen-ziekte-associaties te voorspellen, wat helpt bij het prioriteren van genetische varianten voor een nauwkeurigere diagnose van zeldzame ziekten.
Dit onderzoek stelt voor dat bepaalde gebieden van lokale frustratie in eiwitstructuren fungeren als 'architecturale spandrels': ze ontstaan niet direct door natuurlijke selectie, maar zijn een bijproduct van fysieke beperkingen die de evolutie vervolgens kan benutten voor specifieke functies.