雷竞技rebat生物信息学前沿|新和最近的文章

精制pH-dependent粗粒度模型肽结构预测在水溶液中

皮埃尔Tuffery — 2023 - 01 - 16 t00:00:00z

<大胆>简介:< /大胆>肽进行不同的生物功能和构象的多肽的知识在不同的实验条件是重要的生物应用。快速专用软件表现良好在水溶液中性pH <大胆>方法:< /大胆>在这项研究中,我们除了通过结合一步Debye-Huckel形式主义charged-charged氨基酸的相互作用和氨基酸的粗粒度的潜在治疗pH值和盐的变化。 <大胆>结果:< / >大胆使用PEP-FOLD框架,我们表明,我们的方法执行以及machine-leaning AlphaFold2和TrRosetta方法15结构良好的序列,但在结构预测显示显著改善六poly-charged氨基酸和两个序列没有同源蛋白质数据银行,扩大的各种可能性的理解肽生物角色和候选肽治疗的设计。

交互式提取不同声音的单元从一个平面嵌入前不需要声音分割

科琳娜洛伦兹 — 2023 - 01 - 13 t00:00:00z

注释和校对数据集等复杂自然行为的声音单调乏味的任务,因为一个给定的实例行为需要正确地分割从背景噪声,必须以最小的假阳性错误分类率。低维嵌入该任务已被证明非常有用的,因为他们可以提供一个数据集的可视化概述不同的行为出现在不同的集群。然而,低维嵌入介绍错误是因为他们无法保持距离;固定的维度和嵌入的只代表对象,与声音的冲突源于变量维度变量的时间。为了减轻这些问题,我们引入半监督,同时分割和聚类的分析方法的叫声。我们定义一个给定发声类型通过指定对高密度区域嵌入声音色面,一个地区与发声有关发作和其他补偿。我们证明two-neighborhood (2 n)提取方法的任务聚类成年斑胸草雀叫声与UMAP嵌入。我们表明,2 n萃取允许识别的短期和长期的声音再现连续数据流没有最初承诺一个特定数据的分割。另外,2 n提取达到更低的假阳性错误率比方法基于单个定义区域。随着我们的方法,我们提出一个图形用户界面(GUI)和注释数据的可视化。

综合公司代谢模型的人类病原体新型隐球菌:平台了解病原体的新陈代谢和确定新的药物靶点

在令人Tezcan — 2023 - 01 - 13 t00:00:00z

<大胆>简介:< /大胆>优先级真菌的病原体<斜体>新型隐球菌< /斜体>导致免疫功能不全的个人和隐球菌脑膜炎会导致每年成千上万的人死亡。现有治疗的不良副作用,需要长时间的应用程序,以防止疾病的复发,这些治疗方法的缺乏资源分布在各大洲需要寻找新的治疗方法。 <大胆>方法:< /大胆>公司模型已被证明是很有价值的研究许多生物体的新陈代谢。这里我们提出第一个公司<斜体> C代谢模型。iCryptococcus neoformans < /斜体>。这个综合模型由1270反应,1143种代谢物,649个基因,和八个隔间。模型验证,证明准确预测的能力利用不同碳和氮源和增长率相比,实验数据。 <大胆>结果与讨论:< /大胆> <斜体>在硅片的兼容性< /斜体>隐球菌感染条件下代谢评估。类固醇和氨基酸代谢重要性分析中发现潜在的药物靶点的治疗策略开发对隐球菌物种。iCryptococcus模型可以应用于探索新的抗真菌药物的目标以及重要基因,代谢物和反应分析和说明病原体代谢提供了一个有前途的平台。

CRISPR基因组编辑使用计算方法:一项调查

Roghayyeh Alipanahi — 2023 - 01 - 11 t00:00:00z

定期聚集空间短回文的重复序列(CRISPR)的基因编辑已广泛应用于各种类型的细胞和生物体。定期与集群基因组编辑空间短回文重复更精确和实用,我们必须专注于设计的最优gRNA并选择适当的ca酶。创建了大量的计算工具近年来帮助研究人员设计的最佳gRNA定期聚集空间短回文重复研究。有两种方法来设计一个适当的gRNA序列(目标所需的高精度的网站):实验和predicting-based方法。有必要减少非目标网站在设计一个最优gRNA。这里我们回顾传统和基于机器学习的方法设计一个适当的gRNA序列和预测脱靶的网站。在这次审查中,我们总结所有可用工具的主要特征(尽可能)和比较起来。基于机器学习工具和web服务器被认为成为最有效和可靠的方法来预测目标和非目标集群定期活动空间在未来短回文的重复序列。然而,这些预测不是很精确,这些算法的性能特别是深度学习一个视使用的数据量在训练阶段。所以,随着越来越多的功能被发现并纳入这些模型,预测变得更加符合实验观测。 We must concentrate on the creation of ideal gRNA and the choice of suitable Cas enzymes in order to make genome editing with Clustered regularly interspaced short palindromic repeats far more accurate and feasible.

元工具优化宏基因组分析在测序平台和分类器

罗伯特·球员 — 2023 - 01 - 06 - t00:00:00z

领域的一个重大挑战宏基因组测序平台的选择是正确的组合和下游宏基因组分析算法,或“标识符”。在这里,我们目前的宏基因组评估工具分析仪(元),产生模拟数据和促进平台和算法的选择对于任何给定的宏基因组用例。在硅片META-generated <斜体> < /斜体>读取数据是模块化的,可伸缩的,和反映社区用户定义的配置文件,而下游分析是使用各种宏基因组分类器来完成的。报告结果包括信息资源利用率、时间回答,和性能。现实世界的数据还可以使用选择的分类和分析结果以模拟为基准。测试的效用元软件,模拟数据与真实世界的病毒和细菌宏基因组样本运行在四个不同的使用12宏基因组测序和分析分类器。最后,我们介绍“元分数”:一个统一的量化值,利率一个解析分类器识别和计数的能力代表性样本的分类单元。

结构化医疗和医疗数据匿名化算法:一个系统的复习

阿里环保总局 — 2022 - 12 - 22 - t00:00:00z

<大胆>简介:< /大胆>与许多匿名化算法为结构化开发的医疗健康数据(SMHD)在过去的十年中,我们的系统评价的算法提供了一个全面的鸟瞰SMHD匿名化。 <大胆>方法:< /大胆>这根据建议进行系统性回顾Cochrane手册的评审报告的干预措施和根据系统评价和荟萃分析的首选报告项目(棱镜)。PubMed合格的文章,ACM数字图书馆Medline、Embase, IEEE,网络科学的收集、斯高帕斯,ProQuest论文,论文全球数据库被确定通过系统的搜索。以下参数提取的合格的研究:作者、出版年,样本大小,和相关算法和/或软件应用于匿名化SMHD,总结的结果。 <大胆>结果:< /大胆> 1804最初的打击,目前的研究认为63条记录包括研究文章,评论,和书籍。七十五年评估人口数据的匿名化,18评估诊断代码,和3评估基因组数据。k-anonymity最常见的一种方法,是利用主要为人口数据,通常结合另一个算法;例如,l-diversity。没有方法尚未被开发保护会员公开攻击诊断代码。 <大胆>结论:< /大胆>本研究回顾和分类不同的匿名化方法对磁流体动力根据匿名数据类型(人口统计、诊断代码,和基因组数据)。还需要进一步的研究来开发更高效的匿名化算法诊断代码和基因组数据。 The risk of reidentification can be minimized with adequate application of the addressed anonymization approaches.

Systematic Review Registration: [http://www.crd.york.ac.uk/prospero], identifier [CRD42021228200].

推理的动态交互网络:比较生态和多变量自回归模型

丹尼尔诉Olivenca — 2022 - 12 - 22 - t00:00:00z

在生物网络是无处不在的,横跨整个范围从分子食物网和全球环境系统。然而,尽管科学界做出的重大努力,这些网络的推理数据仍然存在一个是尚未解决的问题。解决网络的结构频繁的策略之一是假设分子之间的相互作用或生物的种群是静态的和相关的。尽管经常成功,这些静态方法是灵丹妙药。他们通常忽略两个物种之间的关系的不对称和推论变得更具挑战性,如果网络节点代表数量动态变化。克服这些挑战,提出了两种不同的网络推理方法在文献中:(LV)生态模型和多元自回归(MAR)模型。这些模型与不同的数学计算框架结构,然而,都提出了推断的相同目的的交互共存人口网络内观察到的时间序列数据。这里,我们评估这些动态网络推理方法第一次并排比较,综合使用这两种生成和生态数据集。多元自回归和生态稳态模型在数学上等价,但比较的结果表明,生态模型通常是上级与非线性动态捕捉网络的动态,而多元自回归模型更适合分析网络人口的过程噪声和接近线性行为。我们所知,这是第一个研究比较LV和MAR方法。 Both frameworks are valuable tools that address slightly different aspects of dynamic networks.

机器学习方法预测蛋白质绑定亲和力的蛋白质设计

Zhongliang郭 — 2022 - 12 - 16 - t00:00:00z

蛋白质-蛋白质之间的关系管理范围广泛的生物活性。适当的估计蛋白质绑定关联设计至关重要的蛋白质具有高特异性和亲和力对目标蛋白质,有各种各样的应用程序包括抗体在免疫治疗设计,为反应优化酶工程,建设生物传感器。然而,实验和理论建模方法是费时,阻碍整个蛋白质的探索空间,阻止最佳蛋白质的识别,满足实际应用的要求。近年来,快速发展的机器学习方法预测蛋白质绑定关联显示潜在的蛋白质设计范式转变。在这里,我们审查的预测方法和相关的数据集和讨论亲和力的要求和施工方法预测模型对蛋白质设计。

选择的负面例子宿主-病原体蛋白质相互作用的预测

唐诺伊曼 — 2022 - 12 - 15 - t00:00:00z

作为机器学习在生物信息学领域的从业者我们知道结果的质量更重要的是取决于我们的标签数据的质量。虽然有倾向于关注质量的正面例子,消极的例子是同样重要的。在本意见书中我们讨论的问题为预测蛋白质相互作用的任务选择消极的例子,在一个特定物种的蛋白质或宿主-病原体相互作用和描述为重要当前文献中普遍存在的问题。挑战这个任务在创建数据集是噪声的性质实验推导出交互和信息的缺乏,没有相互作用的蛋白质。一个标准的方法是选择随机配对,没有相互作用的蛋白质作为负面的例子。interactomes以来所有物种只有部分已知,这将导致一个非常小的比例的假阴性。这宿主-病原体相互作用来说尤其如此。为了解决这个感知问题,一些研究人员选择选择消极的例子作为对蛋白质的序列相似性的正面例子足够低。这显然降低了假阴性的机会,但也使问题更容易比实际,导致过于乐观的估计精度。我们证明这种形式的偏见的影响使用最近的蛋白质相互作用预测方法的选择不同的复杂性,并敦促研究者注意的细节产生的数据集潜在偏见。

SPLACE:一个工具来自动分割,对齐,将基因phylogenomic几个生物的推理

雷纳托·r·m·奥利维拉 — 2022 - 12 - 08 - t00:00:00z

重建phylogenomic树包含多个基因的最佳方法是通过使用一个supermatrix。总会在技术的出现更便宜更容易获得在一个测序运行多个基因数据。当许多基因和生物用于phylogenomic分析,很难组织所有信息和手动对齐进一步连接它们的基因序列。本研究描述了SPLACE,一个工具来自动分割,对齐,和连接所有物种的基因生成supermatrix感兴趣的文件,因此,一个系统发育树,可能在处理缺失数据。在我们的研究中,SPLACE是唯一的工具,也可以自动调整基因序列和处理缺失数据;它只需要几分钟产生一个包含83对齐和supermatrix FASTA文件连接从270种植物的叶绿体基因组的基因。它是一个开源工具和公开< ext-link ext-link-type =“uri”xlink: href = " https://github.com/reinator/splace " xmlns: xlink = " http://www.w3.org/1999/xlink " > https://github.com/reinator/splace < / ext-link >。

用知识分子卡通图

布鲁克·e·Santangelo — 2022 - 12 - 08 - t00:00:00z

分子“漫画”,如路径图,提供一个视觉生物医学研究结果的总结和假设。无处不在的文学出现在表明他们普遍应用在机械的通信。最近的一项调查的途径图确定了64643途径公布的数据与1112551年1995年和2019年之间提到13464独特的人类基因参与多种生物学过程。研究人员通常使用通用图创建这些图编辑软件本身不包含任何生物医学知识。生物医学知识图表(公斤)集成和代表知识语义一致的方式,系统地捕获类似于生物医学知识分子的漫画。公斤有潜力提供上下文和精确的细节等绘画的有用数据。然而,公斤一般不能直接转化为数字。它们包括大量的材料与科学的角度给定图相比,往往更详细的是适当的。公斤怎么能被用来促进分子图的创建?我们目前对卡通形象创造的一种新方法,利用知识的语义结构图表帮助分子图的生产。 We introduce a set of “semantic graphical actions” that select and transform the relational information between heterogeneous entities (e.g., genes, proteins, pathways, diseases) in a KG to produce diagram schematics that meet the scientific communication needs of the user. These semantic actions search, select, filter, transform, group, arrange, connect and extract relevant subgraphs from KGs based on meaning in biological terms, e.g., a protein upstream of a target in a pathway. To demonstrate the utility of this approach, we show how semantic graphical actions on KGs could have been used to produce three existing pathway diagrams in diverse biomedical domains: Down Syndrome, COVID-19, and neuroinflammation. Our focus is on recapitulating the semantic content of the figures, not the layout, glyphs, or other aesthetic aspects. Our results suggest that the use of KGs and semantic graphical actions to produce biomedical diagrams will reduce the effort required and improve the quality of this visual form of scientific communication.

深度学习MYC结合位点识别

r . Fioresi — 2022 - 12 - 05 - t00:00:00z

<大胆>动机:< /大胆> Myc基因分布的定义转录因子是非常重要的,因为它可以帮助预测其转录活性特别是癌症的上下文。Myc是最强大的致癌基因参与的发生和发展超过80%的小儿和成人不同类型的癌症。Myc调节成千上万的基因可以在不同的部分,根据组织和肿瘤的类型。Myc分布在基因组已经决定通过染色质免疫沉淀反应实验这种方法,虽然强大,很耗费时间,不能经常应用于肿瘤患者个体的。因此,它成为重要的在网上开发<斜体> < /斜体>工具,能有效和迅速预测其分布在给定细胞基因组。新的先进的计算工具(DeeperBind)可以成功地用于确定Myc的函数在一个特定的肿瘤,并可能有助于设计新的方向和实验第一次和个性化和更有效的治疗方法治疗一个病人。 <大胆>结果:< / >大胆的使用与DeepRAM DeeperBind Colab平台(谷歌)可以有效地预测MYC因子结合位点的精度高于0.96 AUC,当训练与多个细胞系。过滤器在DeeperBind训练模型的分析显示,除了共识序列CACGTG经典MYC相关因素,其他共识序列G / C盒或TGGGA,分别受SP1和MIZ-1转录因子,来调解MYC的响应。总体而言,我们的研究结果显示更强的机器学习工具DeeperBind之间的协同作用和生物实验,这可能减少了耗时的实验提供了方向指导。

预测基因相互作用,细胞系auto-encoder依赖和药物敏感性与变分图

亚洲Gervits — 2022 - 12 - 02 - t00:00:00z

大规模癌症基因组学数据提供至关重要的有关疾病的信息和揭示的干预。然而,系统的数据已经收集了在特定细胞系及其集合是费力而昂贵。因此,有必要开发计算模型,可以预测这些数据对任何感兴趣的基因背景。我们开发出创新的模型,基于变分图像auto-encoders可以集成不同类型的数据来提供高质量的预测基因相互作用,细胞系依赖性和药物敏感性,表现优于以前的方法。我们的模型、数据和实现在:< ext-link ext-link-type =“uri”xlink: href = " https://github.com/aijag/drugGraphNet " xmlns: xlink = " http://www.w3.org/1999/xlink " > https://github.com/aijag/drugGraphNet < / ext-link >。

编辑:对基因组解读:genotype-phenotype关系计算方法模型

Daniele Raimondi — 2022 - 11 - 30 - t00:00:00z

stepRNA:识别帽子乳沟签名和乘客链长度小RNA序列

本·默科特柑桔 — 2022 - 11 - 21 - t00:00:00z

酶帽子是一个组件的许多小RNA (sRNA)通路参与转录后调控RNA加工,抗病毒反应和转位因子的控制。乳沟帽子生成一个签名悬臂的双链RNA序列的3 '末端sRNA序列相对于一个乘客互补链RNA双工。需要可靠的工具来计算寻找帽子乳沟签名srna帮助描述家庭。这是越来越重要的由于sRNA测序的日益普及,特别是在non-model生物。这里,我们现在stepRNA、快速、本地工具,标识(i)过剩签名强烈表明RNA序列的帽子劈理,和(2)的长度乘客链在srna工器。我们将演示使用stepRNA模拟和生物数据集检测帽子乳沟签名通过实验验证的例子。目前可用的工具相比,stepRNA更准确,只需要sRNA序列数据而不是一个参考基因组,并提供其他重要特性,比如乘客信息链的长度。stepRNA免费在< ext-link ext-link-type =“uri”xlink: href = " https://github.com/Vicky-Hunt-Lab/stepRNA " xmlns: xlink = " http://www.w3.org/1999/xlink " > https://github.com/Vicky-Hunt-Lab/stepRNA < / ext-link >和很容易安装。

最近邻搜索嵌入的快速识别遥远的蛋白质关系

康斯坦丁·Schutze — 2022 - 11 - 17 - t00:00:00z

自1992年以来,所有最先进的方法快速、敏感的识别的进化,蛋白质结构和功能关系(也称为“同源性检测”)使用序列和sequence-profiles (PSSMs)。蛋白质语言模型(plm)概括序列,可能捕获PSSMs一样的约束,例如,通过嵌入的。这里,我们探索如何使用这样的嵌入的最近邻搜索来确定蛋白质之间的关系对与不同序列(远程同源性检测水平的& lt; 20%两两序列的身份,男孩)。虽然这种方法优于与单一蛋白质域,我们演示了应用这一当前挑战多域蛋白质和提出一些想法如何克服现有的限制,原则上。我们观察到足够有挑战性的数据集提供深入分离是至关重要的相关见解最近邻搜索的行为当应用到蛋白质的嵌入空间,并使我们所有的方法为别人现成的。

机遇和挑战中可判断的深度学习肿瘤细胞的药物敏感性预测

比卡Ranjan Samal — 2022 - 11 - 17 - t00:00:00z

精密肿瘤学治疗分层完成基于病人的肿瘤分子概要文件。建模和预测药物反应的对于一个给定的肿瘤分子类型将进一步改善癌症患者的治疗决策。的确,深层学习方法有潜力巨大药物敏感性预测,但一个主要的问题是,这些模型是黑盒算法和不明确行动的机制。这将限制他们的临床实施。要解决这个问题,许多最近的研究试图克服这些问题通过开发可判断的深度学习方法,促进理解背后的逻辑预测药物反应。在这次审查中,我们讨论最近的方法的优点和局限性,并提出未来的发展方向,可以指导进一步的改进可判断的深度学习在癌症研究的药物敏感性预测。

一个简短的调查工具进行基因组区域富集分析

大卫。Chicco — 2022 - 10 - 26 - t00:00:00z

功能富集分析或通路富集分析(豌豆)是一种生物信息学技术确定列表中已经占了大多数的生物通路的基因相比,将与之相关的机会。这些生物功能等生物信息学注释数据库发现基因本体或KEGG;更丰富的途径来确定确切概率法等统计技术。豌豆所有工具需要一个基因列表作为输入。一些工具,然而,阅读基因组区域列表作为输入而不是基因列表,和第一把这些染色体区域和相应的基因。这些工具执行一个程序叫做<斜体> < /斜体>基因组区域富集分析,可用于检测生物通路相关的染色体区域。在这个简单的调查,我们分析基因组工具六个区域富集分析(BEHST g:分析器g:鬼,太好了,萝拉的Poly-Enrich,和ReactomePA),概述和比较他们的主要特性。我们的比较结果表明,包含数据监管元素,如ChIP-seq,这些工具中比较普遍,因此可以提高富集分析结果。

早期发现新兴SARS-CoV-2变异感兴趣的实验评价

扎卡里·s·华莱士 — 2022 - 10 - 24 - t00:00:00z

COVID-19大流行以来,SARS-CoV-2已经证明了它能够迅速和持续的发展,导致成千上万的不同序列变异的出现,许多具有独特的表型特性。幸运的是,下一代测序(门店)的广泛应用在全球范围内产生了大量的SARS-CoV-2基因组序列,提供了一个全面的图片这种病毒是如何进化的准确诊断,可靠的治疗,预防性疫苗COVID-19可以开发和维护。数以百万计的SARS-CoV-2基因组测序序列存入数据库,包括基因库,BV-BRC,和GISAID,注释与样本收集的日期和地理位置,并能保持一致并与Wuhan-Hu-1参考基因组提取他们的星座的核苷酸和氨基酸替换。这些数据通过聚合成简洁的数据集,通过时间和空间变异的传播可以评估。变体跟踪工作最初集中在突起蛋白由于其在抗体中和病毒取向和至关重要的作用。尽早识别新兴的变体问题,我们开发了一个计算管道处理基因数据和分配风险得分基于流行病学和功能参数。流行病动力学是用来识别变异表现出实质性的增长随着时间的推移和分布在地理区域。实验数据,量化峰值蛋白质区域适应性免疫的目标和其他病毒的关键特征是用来预测变量与间接免疫原性和致病性的影响。增长评估和功能影响成绩结合起来形成一个<斜体>总分< /斜体>替换检测到任何的飙升。这种系统的方法通常分数和排名新兴变异,我们建立了一个方法来识别威胁变体早期实验评估并确定其优先级。

对理性计算肽设计

身子常 — 2022 - 10 - 21 - t00:00:00z

肽生物学中十分普遍,调解多达40%的蛋白质相互作用,并参与其他细胞运输和信号等功能。高特异性结合的能力使他们有前途的治疗药物小分子之间的中间性质和大型生物制剂。超出了他们的生物作用,自组装肽可以通过编程,和他们已经被用于函数等oligonuclotide交付,组织再生或药物。然而,瞬态性质的相互作用的结构和数量有限的知识结合亲和力,其灵活的性质限制了计算管道的成功预测这些分子的结构和亲和力。幸运的是,最近的实验和计算管道的发展创造新的机遇。我们开始看到有前途的预测复杂的结构,热力学和动力学特性。我们相信在接下来的几年内,这将导致健壮的理性肽设计管道与成功申请类似小分子药物发现。