💻 Category

bioinformatics

860 Arbeiten

Die Bioinformatik verbindet Biologie und Informatik, um riesige Mengen an biologischen Daten verständlich zu machen. Statt sich nur auf einzelne Experimente zu konzentrieren, nutzen Forscher hier computergestützte Methoden, um Muster im Leben selbst zu entschlüsseln, von der DNA bis zu komplexen Krankheitsverläufen. Diese Schnittstelle ermöglicht es, die Sprache des Lebens in Zahlen und Algorithmen zu übersetzen und neue Erkenntnisse schnell zu gewinnen.

Auf Gist.Science durchsuchen wir täglich die neuesten Vorab-Veröffentlichungen auf bioRxiv in diesem Bereich. Für jedes neu eingereichte Preprint erstellen wir nicht nur eine detaillierte technische Zusammenfassung für Fachleute, sondern auch eine einfache Erklärung in Alltagssprache, damit jeder den Kern der Forschung verstehen kann. So wird komplexes Wissen für ein breites Publikum zugänglich, ohne dass wichtige Details verloren gehen.

Unten finden Sie die aktuellsten Artikel aus dem Bereich der Bioinformatik, die wir kürzlich für Sie aufbereitet haben.

💻 bioinformatics

DPCGS: a computational framework for linking GWAS to single-cell transcriptomics in complex traits and diseases

DPCGS ist ein neuartiges computergestütztes Framework, das GWAS-Zusammenfassungsstatistiken mit Einzelzell-RNA-Sequenzierungsdaten integriert, um eine hochauflösende Kartierung des genetischen Risikos auf spezifische Zellsubpopulationen und regulatorische Programme zu erreichen, wobei es eine überlegene Genauigkeit gegenüber bestehenden Methoden demonstriert und neue Einblicke in die zellulären Mechanismen komplexer Krankheiten wie Alzheimer und Asthma bietet.

Liu, C., Yuan, B., Shen, B., Li, J., Zhu, R., Yang, P., Wu, B., Xuan, Y., Yang, S., Yang, N., Ma, L., Liu, Q., Dai, S. (…)2026-07-31
💻 bioinformatics

AI4Life Open Calls and Public Challenges: why, how, and what we have learned.

Durch die Durchführung von drei Open Calls und drei Public Challenges zwischen 2023 und 2025 unterstützte die AI4Life-Initiative 22 Biobildanalyse-Projekte und legte offen, dass die Einführung von FAIR-konformem Deep Learning zwar vor erheblichen Implementierungshürden steht, der primäre Engpass für wissenschaftliche KI in der Biologie jedoch nicht in der Methodenentwicklung, sondern in der Verfügbarkeit von Daten, Annotationen und gemeinsamer Infrastruktur liegt.

Galinova, V., Seifi, M., Serrano Solano, B., Lidayova, K., Dalle Nogare, D., Corbat, A. A., Talks, J., Giacomello, E., G (…)2026-07-30
💻 bioinformatics

Spectronaut-nf: A Nextflow Pipeline for Parallel Processing of DIA Data with Spectronaut

Spectronaut-nf ist eine skalierbare Nextflow-Pipeline, die eine effiziente, parallelisierte Verarbeitung großer DIA-Proteomik-Datensätze in High-Performance-Computing-Umgebungen ermöglicht und dadurch die Analysezeit im Vergleich zu Single-Workstation- oder Single-Node-Setups signifikant reduziert, während konsistente Identifizierungsergebnisse beibehalten werden.

Kotimoole, C. N., Arefian, M., McKay, E. C., Kasaragod, S., Skoraczynski, G., Collins, B. C.2026-07-30
💻 bioinformatics

A geometric-to-neural cascade for cerebral microbleed detection in susceptibility-weighted MRI

Dieses Paper präsentiert eine vollautomatisierte, dreistufige geometrisch-neuronale Kaskaden-Pipeline, die eine subjektadaptive, unüberwachte Kandidatengenerierung mit zwei leichtgewichtigen 3D-ResNet-Klassifikatoren kombiniert, die mit minimalen Human-in-the-Loop-Labels trainiert wurden, um eine hochgenaue Detektion von zerebralen Mikroblutungen in suszeptibilitätsgewichteten MRT-Aufnahmen zu erreichen und gleichzeitig die Anzahl der falsch-positiven Ergebnisse durch vaskuläre und nicht-vaskuläre Mimetika signifikant zu reduzieren.

Bogdanov, S., Rudravaram, G., Saunders, A. M., Kim, M. E., LeFevre, J., Charles, J., Jain, S., Schrag, M. S., Landman, B (…)2026-07-28
💻 bioinformatics

Spaceland: Histology-Guided Reconstruction of High-Resolution Whole-Organ 3D Molecular Atlases from Sparse Spatial Transcriptomics

Spaceland ist ein morphologiegestütztes computergestütztes Framework, das kontinuierliche, hochauflösende 3D-Molekulatlanten ganzer Organe rekonstruiert, indem es spärliche räumliche Transkriptomik mit serieller H&E-Histologie integriert und somit eine skalierbare virtuelle Gewebemodellierung ohne die Notwendigkeit einer erschöpfenden experimentellen Probenahme ermöglicht.

Xu, F., Zhuang, Z., Zhu, Y., Ying, B., Hou, N., Lin, W., Wang, L., Yang, C., song, j.2026-07-27
💻 bioinformatics

Estimation of biological age using HRV data: comparison of the Klemera-Dubal method with the multiple linear regression method

Diese Studie vergleicht die multiple lineare Regression (MLR), die bias-korrigierte MLR und die Klemera-Doubal-Methode (KDM) zur Schätzung des biologischen Alters aus Herzratenvariabilitätsdaten bei 343 Probanden und stellt fest, dass KDM den geringsten Schätzfehler liefert, während die bias-korrigierte MLR eine verbesserte Genauigkeit gegenüber der unkorrigierten MLR bietet, jedoch durch ihre Abhängigkeit vom chronologischen Alter begrenzt ist.

Pysaruk, A.2026-07-27
💻 bioinformatics

GPSNorm: Gaussian Process Spatial Normalization for Spatial Transcriptomics

GPSNorm ist ein neuartiges bayessches räumliches Normalisierungsframework, das technische Variation, räumliche Struktur und biologisches Signal mittels eines hierarchischen Gauß-Prozess-Ansatzes gemeinsam modelliert, um die Normalisierungunsicherheit in die nachgeschaltete differenzielle Expressionsanalyse zu propagieren und dadurch die Robustheit sowie Interpretierbarkeit von räumlichen Transkriptomikdaten zu verbessern.

Taychameekiatchai, A., Zhan, X., Xiao, G., Ruan, P.2026-07-27