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.
Dit onderzoek concludeert dat de classificatieprestaties van ML-ondersteunde Raman-spectroscopie voor biologische samples primair worden beperkt door datakwaliteit en spectraal gelijkenis, en niet door de keuze van het machine learning-algoritme.
Deze studie onthult dat populaire datasets en modellen voor het voorspellen van enzym-substraatinteracties lijden aan informatielekken die de prestaties kunstmatig opblazen, waardoor de werkelijke prestaties na het corrigeren hiervan dalen tot bijna willekeurig niveau.
MolX is een nieuw E(3)-equivariant Graph Transformer-fondamentmodel dat de interacties tussen eiwitten en liganden op basis van 3D-structuren en fysisch-chemische eigenschappen nauwkeurig modelleert, waardoor het state-of-the-art prestaties en interpreteerbare inzichten biedt voor de structurele geneesmiddelenontwikkeling.
Dit artikel introduceert DIME, een nieuw deep learning-framework dat door middel van een hybride uitlijningsstrategie geïntegreerde representaties leert van niet-uitgelijnde seriële secties in ruimtelijke multi-omics data, waardoor robuuste fusie en de identificatie van biologisch betekenisvolle ruimtelijke domeinen mogelijk worden zonder de noodzaak van intersecterende kenmerken.
Het artikel introduceert SpatialCompassV (SCOMV), een computergereedschap dat zonder voorafgaande kennis ruimtelijke expressiepatronen van genen en cellen analyseert door hun positie en richting ten opzichte van referentiegebieden te coderen, waarmee het zowel nieuwe ruimtelijke classificaties mogelijk maakt als genen identificeert die verschillen in hun ruimtelijke verdeling in plaats van alleen in expressieniveau.
LRSomatic is een schaalbaar en robuust Nextflow-pipeline dat somatische varianten, inclusief SNV's, indels, structurele varianten en copy number-veranderingen, nauwkeurig detecteert in long-read sequencing-data van zowel PacBio HiFi als ONT-platforms, en hierbij ook epigenetische integratie via Fiber-seq mogelijk maakt.
Het artikel introduceert ARBORIST, een methode die bulk DNA-sequencing-data combineert met low-pass single-cell data om de betrouwbaarheid van tumor-phylogenieën te verbeteren door kandidaat-bomen te prioriteren via variational inference.
Dit onderzoek toont aan dat Oxford Nanopore-sequencing door verbeterde nauwkeurigheid nu betrouwbaar amplicon-sequence variants (ASVs) kan genereren voor complexe microbiële gemeenschappen, waardoor analyses niet langer afhankelijk zijn van referentiedatabases of OTU-clustering.
Dit paper introduceert ESMRank, een voorspeller die door middel van een overlapbewust framework (variant soundness) data van duizenden variant-effectassays integreert om een overdraagbare, mechanistisch interpreteerbare schaal van mutatiebeperking af te leiden die klinisch relevante varianten nauwkeurig stratificeert.
Deze paper introduceert een door Random Matrix Theory geleide, bijna parameter-vrije methode voor sparse PCA die via een nieuw biwhitening-algoritme ruis in single-cell RNA-seq-data effectief modelleert en hiermee de prestaties van bestaande dimensionalisatiemethoden bij celtype-classificatie aanzienlijk verbetert.