861 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.
HoloCell ist ein generatives Fundamentmodell mit 860 Millionen Parametern, das auf einem massiven Multi-Omics-Korpus vortrainiert wurde, welcher epigenomische, transkriptomische und proteomische Daten durch hierarchische Tokenisierung und iterative Diffusion vereint, um ganzheitliches zelluläres Repräsentationslernen und flexible kreuzmodale Generierung zu ermöglichen.
Diese Arbeit zeigt auf, dass Designs der Output-Heads für Multi-Label-Vorhersagen explizit so gewählt werden sollten, dass sie die zugrunde liegende biologische Struktur von Komorbiditäten widerspiegeln, wie durch ein symmetrisches Conditional Random Field belegt wird, das bei den mikrovaskulär verknüpften Komplikationen des Typ-2-Diabetes komplexere Alternativen übertrifft, während keine einzelne Architektur bei den heterogenen elektrophysiologischen Komplikationen eines Myokardinfarkts stabil war.
Drug-Prot ist ein öffentlich zugängliches computergestütztes Framework und eine Webanwendung, die groß angelegte Perturbations-Proteomik-Daten aus Brustkrebs-Zelllinien nutzt, um kausale Drogenwirkungen, Wirkstoff-Interaktionen und dynamische Proteindependenznetzwerke statistisch abzuleiten und somit eine gezielte Analyse der Protein-Ebene-Reaktionen auf Einzel- und Kombinationstherapien zu ermöglichen.
Dieses Paper stellt Suco, eine Ressource unabhängiger Expertenannotationen, und Compocyte, einen hierarchischen Klassifikator, vor, um ein robustes Framework zu etablieren, das erfolgreich 15,6 Millionen Immunzellen über nahezu 4.000 Patienten hinweg klassifizierte, neuartige Immunphänotypen enthüllte und die populationsweite immunologische Forschung vorantrieb.
Das Papier stellt AbAffinity vor, ein leichtgewichtiges, rein sequenzbasiertes Deep-Learning-Modell, das eine kettenbewusste Drei-Strom-Architektur nutzt, um die Antikörper-Antigen-Affinität durch die Bewahrung distinkter Schwerketten-, Leichtketten- und Antigen-Repräsentationen präzise vorherzusagen und dadurch bestehende Methoden in Szenarien übertrifft, in denen keine Strukturdaten verfügbar sind.
Das Python-Paket recount3 stellt eine robuste API und ein CLI bereit, um einen effizienten programmatischen Zugriff, Caching und eine analysebereite Datenformatierung für zehntausende einheitlich verarbeitete menschliche und Maus-RNA-Seq-Proben zu ermöglichen und damit die Lücke zwischen groß angelegten öffentlichen transkriptomischen Daten und modernen Python-basierten maschinellen Lern-Ökosystemen zu schließen.
Diese Studie enthüllt, dass Ribosomen über alle Domänen des Lebens hinweg eine bisher übersehene, funktionell bedeutsame Hülle aus flexiblen Proteinfragmenten (FPFs) besitzen, die in Standard-Strukturmodellen unsichtbar sind, wobei sich deren spezifische Zusammensetzung und Länge je nach Ribosomenklasse variiert, um sich an unterschiedliche Membran- und Assemblierungsumgebungen anzupassen.
Das Paper stellt Tox21mer vor, ein mit 43,5 Millionen Parametern ausgestattetes Transformer-Foundation-Modell, das mittels Masked-Response-Reconstruction auf 2,5 Millionen Tox21-Konzentrations-Wirkungs-Kurven vortrainiert wurde, wodurch hochwertige 7_68-dimensionale Embeddings generiert werden, die eine State-of-the-Art-Leistung bei der Vorhersage von Assay-Ergebnissen und AC50-Werten erzielen und gleichzeitig die Extrapolation auf nicht getestete Verbindungen ermöglichen.
Diese Studie zeigt, dass in einer Subsistenzgemeinschaft im Kongobecken die DNA-Methylierungsmuster von Kindern signifikant mit elterlichem Konflikt und väterlicher Fürsorge assoziiert sind, was diese Familiendynamiken mit Genen verknüpft, die an Stress, Immunität und Entwicklung beteiligt sind, und somit darauf hindeutet, dass die biologische Einbettung familiärer Umgebungen ein universelles Phänomen über vielfältige sozioökologische Kontexte hinweg ist.
MorphoStat ist eine Open-Source-Python-Pipeline, die die Normalisierung, verteilungsbewusste statistische Tests und die Korrektur für multiples Testen von High-Content-Imaging-Daten automatisiert, um eine robuste morphologische Profilierungsanalyse zu erleichtern.