1250 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 presenteert een benchmark voor het generatieve ontwerp van peptiden gericht op GPCR's en concludeert dat, hoewel moderne deep learning-methoden de ruimtelijke plaatsing adequaat kunnen modelleren, ze kampen met een significant overschatting van betrouwbaarheidsscores en memorisatieproblemen die de succesvolle validatie en sequentiegeneratie belemmeren.
Dit artikel toont aan dat bestaande domeinsegmentatie-algoritmen vaak falen bij het identificeren van functionele ruimtelijke niches in niet-gesegregeerde weefsels, en pleit voor gespecialiseerde methoden die strategisch wegen op kern-celfuncties om deze biologische grenzen beter te reconstrueren.
Deze studie toont aan dat veroudering van de nier glomerulus-specifieke, ruimtelijk gepatternde overgangen in podocyten veroorzaakt, waarbij verouderde cellen voornamelijk in het juxtamedulair gebied voorkomen en een gecoördineerd, selectief verouderingsproces vertonen in plaats van universele degeneratie.
Deze paper introduceert een uitgebreide versie van SpatialLeiden die schaalbare, atlas-geschikte clustering mogelijk maakt voor 3D en multimodale ruimtelijke data via flexibele graafmultiplexing, wat leidt tot superieure prestaties in coherentie en stabiliteit vergeleken met bestaande tools.
Deze studie presenteert een uitgebreid benchmarkkader voor vijf deep learning-modellen die Hi-C contactkaarten voorspellen, waarbij Epiphany als beste presteert en aantoont dat epigenomische kenmerken zoals CTCF-binding en chromatinetoegankelijkheid de belangrijkste drijvende krachten zijn voor nauwkeurige voorspellingen.
Dit artikel introduceert PubMed Atlas, een reproduceerbaar framework dat commandoregel- en webtools combineert om PubMed-gegevens te analyseren en interactieve dashboards te genereren voor het in kaart brengen van publicatietrends en het identificeren van onderzoeksleemten in de biomedische wetenschap.
HMM-Flagger is een referentievrij hulpmiddel dat op basis van read-coverage en een Hidden Markov Model structurele fouten in haplotype-opgeloste genoomassemblages detecteert en zo de kwaliteit van menselijke genoomassemblages, zoals die van het Human Pangenome Reference Consortium, effectief kan valideren.
TreeMS2 is een schaalbaar, annotatie-onafhankelijk computergereedschap dat evolutionaire relaties afleidt uit ruwe massaspectrometrie-data, waardoor het mogelijk wordt om fenotypische bomen direct te vergelijken met genetische bomen om adaptaties en afwijkingen te identificeren.
Deze studie toont aan dat de door elektronendichtheid geleide AlphaFold3-methode ongemodelleerde conformatie-heterogeniteit in β2-microglobuline kan onthullen en inzicht biedt in hoe kristalpakking de detectie van conformatie-ensembles in röntgenkristallografie beïnvloedt.
In deze studie werden 18 nieuwe HisKA-achtige domeinen geïdentificeerd en geverifieerd in incomplete histidinekinasen, waardoor de annotatie van signaaltransductiepaden in prokaryoten kan worden verbeterd.