163 papers
Systeembiologie kijkt niet naar losse onderdelen van het leven, maar naar hoe al die delen samenwerken als één groot, dynamisch geheel. In plaats van alleen genen of eiwitten te bestuderen, proberen onderzoekers in dit veld de complexe netwerken te begrijpen die cellen en organismen in stand houden. Het is de kunst om het grote plaatje te zien, waar duizenden interacties samenwerken om leven mogelijk te maken.
Op Gist.Science volgen we nauwgezet elke nieuwe preprint op bioRxiv binnen deze discipline. Wij verwerken elk onderzoek direct na publicatie en bieden zowel een toegankelijke samenvatting in gewone taal als een gedetailleerde technische analyse, zodat zowel leken als experts de inzichten kunnen benutten. Hieronder vindt u de meest recente bijdragen aan dit snel evoluerende veld, direct van bioRxiv en nu voor u uitgelicht.
Deze studie presenteert een grafgebaseerde machine-learningbenadering die de effecten van genperturbaties op moleculaire fenotypes voorspelt, waardoor kostbare experimenten kunnen worden geminimaliseerd en nieuwe biologische inzichten kunnen worden verkregen.
Dit onderzoek toont aan dat chemotypen, afgeleid van FTIR-spectroscopie en machine learning bij *Drosophila melanogaster*, dienen als voorspellende proxies voor genetische, fysiologische variatie en stressrespons.
Deze studie toont aan dat het TransComp-R-rekenkader, dat transcriptomische kenmerken van muismodellen vertaalt naar menselijke late-onset Alzheimer, succesvol nieuwe medicijnen voor de slaap-waakcyclus heeft geïdentificeerd en dat suvorexant bij mensen de fosforylering van tau in het cerebrospinale vocht verlaagt.
Dit onderzoek integreert metagenoom-schaal metabolische modellering en metabolomics om aan te tonen dat de microbiële interacties in de phycosfeer van *Microcystis*-bloeiën functioneel losstaan van de cyanobacteriële fylogenie, terwijl ze het metabolische repertoire uitbreiden en de ecologische structuur van deze bloeiën bepalen.
Het artikel introduceert FASTERCC, een geoptimaliseerde versie van FASTCC die door het gebruik van structurele informatie voor het verwijderen van dode-einden en het corrigeren van reversibiliteit de doorlooptijd voor consistentietests en context-specifieke reconstructie van grote metabolische netwerken met een factor 20 verlaagt.
Dit onderzoek combineert een mechanistisch model met in vivo data om aan te tonen dat tumorcellen die zich hebben aangepast aan het botmicro-omgeving minder afhankelijk zijn van botafgeleide groeifactoren en daardoor minder reageren op remming van botafbraak, wat de noodzaak onderstreept van op tumortype afgestemde behandelstrategieën voor botmetastasen.
Dit artikel introduceert BIRDkiss, een nieuw open-source model in R dat de impact van pesticiden op vogelreproductie voorspelt door een vereenvoudigde energiebudgetbenadering te koppelen aan toxicokinetische en toxicodynamische principes, waarmee de interactie tussen chemische stress en voedselbeschikbaarheid onder zowel enkelvoudige als gemengde blootstellingssituaties kan worden geëvalueerd.
Deze studie introduceert mCanonicalTockySeq, een raamwerk dat single-cell RNA-sequencing combineert met een experimenteel verankerde moleculaire klok om de gezamenlijke dynamiek van signaalgeschiedenis en ontwikkeling in T-cellen te modelleren en cross-species analyses mogelijk te maken.
Dit paper introduceert MICA, een modelgebaseerd algoritme dat veranderingen in dynamische systeemparameters detecteert door simulaties te vergelijken met waarnemingsdata, en dit toepast op diverse scenario's zoals epidemiologie en windturbine-monitoring.
Dit artikel introduceert GeNETop, een methode die transcriptomica, fluxvariabiliteitsanalyse en netwerktopologie integreert om contextspecifieke, genomewijd metabole modellen te genereren die compatibel zijn met dynamische simulaties en de beperkingen van bestaande statische benaderingen overwinnen.