💻 Category

bioinformatics

1182 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.

💻 Bioinformatik

Inferring ecDNA Evolution from Allele Frequency Spectra

Diese Arbeit stellt ecEvol vor, eine computergestützte Methode, die Allelfrequenzspektren aus Bulk-Gesamtgenomsequenzierungen analysiert, um den Zeitpunkt, die Selektionsstärke und die klonale Dominanz der Entstehung extrachromosomaler DNA (ecDNA) abzuleiten, wobei aufgezeigt wird, dass die frühe ecDNA-Bildung, die durch Onkogene getrieben wird, mit einem schlechteren Patientenüberleben korreliert und dass die ecDNA-Dynamik zwischen unbehandelten und fortgeschrittenen Tumoren signifikant variiert.

Dameracharla, B., Prasad, G., Luebeck, J., Amin, S., Kirkland, J., Chapman, O. S., Chavez, L., Verhaak, R., Huang, W., M (…)2026-10-11
💻 Bioinformatik

Ab initio CryoEM maps minimizing preferred orientation problems in heterogeneous mixtures: ReconSIREN

ReconSIREN ist ein neuartiges Deep-Learning-Framework, das eine Mixture-of-Experts-Architektur nutzt, um eine vollständig \textit{ab initio} Kryo-EM-Einzelpartikelanalyse durchzuführen, die gleichzeitig Artefakte durch bevorzugte Orientierung, Partikelheterogenität und konformative Flexibilität löst, ohne auf traditionelle Optimierungsmethoden zurückzugreifen.

Herreros, D., Sorzano, C. O. S., Carazo, J. M.2026-10-10
💻 Bioinformatik

Proteome modulation by opposite inotropic drugs in human engineered cardiac tissue revealed by topology-driven cross-modal integration

Diese Studie führt ein topologiegesteuertes Framework ein, das proteomische und funktionelle Daten aus menschlichem, technischem Herzgewebe erfolgreich integriert, um aufzuzeigen, wie Epinephrin und Doxorubicin durch die differenzielle Modulation von Energiehomöostase, mitochondrialer Translation und Proteostase gegensätzliche inotrope Effekte ausüben.

Staykova, D. K., Snippert, D., Wessels, H. J. C. T., Passier, R., Conte, F.2026-10-08
💻 Bioinformatik

KENT: Fast Pathogen Screening with NVIDIA Jetson Cluster in Resource-Constrained Areas

KENT ist ein tragbares, Offline-fähiges Edge-Computing-Framework, das einen Cluster aus NVIDIA Jetson Nano-Modulen nutzt, um ein schnelles, GPU-beschleunigtes metagenomisches Erreger-Screening in ressourcenarmen Umgebungen zu ermöglichen, wobei es im Vergleich zu CPU-Baselines signifikante Geschwindigkeitssteigerungen bei gleichbleibend hoher Klassifizierungsgenauigkeit und Treue der Abundanzschätzung erzielt.

Icoz, A., Roman-Brenes, R., Bingöl, Z., Alkan, C.2026-10-08
💻 Bioinformatik

FlyAnatoView: Visualization of Drosophila Single-cell RNA-seq Datasets on Anatomographs

FlyAnatoView ist eine Ressource, die den Mangel an räumlichem Kontext in Einzelzell-RNA-Sequenzierungsdaten adressiert, indem sie transkriptomische Profile auf anatomische Diagramme von *Drosophila* projiziert und somit Informationen über die spezifischen Gewebe- oder Organlokalisationen einzelner Zellen wiederherstellt.

Hu, Y., Kalina, J., Veal, A., Ewen-Campen, B., Porter, T., Song, J., Luo, Y., Huang, K., Goutte-Gattat, D., Brown, N. H. (…)2026-10-08
💻 Bioinformatik

FilAdh: degradation-aware analysis of focal adhesions and actin stress fibers

FilAdh ist ein vereinheitlichtes, degradationsbewusstes computergestütztes Framework, das gleichzeitig fokale Adhäsionen segmentiert und Aktin-Stressfasern rekonstruiert, um eine präzise morphometrische Analyse sowie räumliche Klassifizierung zu ermöglichen, wobei es bestehende Methoden in Benchmark-Tests übertrifft und gleichzeitig explizit charakterisiert, wie spezifische Bildgebungsfehler die strukturellen Messungen beeinflussen.

Rey-Paniagua, G., Garcia-Lopez-de-Haro, C., Hernandez-Martinez, M., Lachowski, D., Munoz-Barrutia, A.2026-10-08
💻 Bioinformatik

A strategy for ionic current analysis of nanopore protein readouts

Diese Arbeit präsentiert eine integrierte computergestützte Strategie zur Analyse von Nanoporen-Protein-Ionenstromsignalen, die Entrauschung, Segmentierung und Techniken des maschinellen Lernens kombiniert, um eine hohe Genauigkeit bei der ladungsbasierten binären Klassifizierung zu erreichen und die Peptidtranslokation zu modellieren, trotz der Herausforderungen bei der Unterscheidung aller 20 Aminosäuren.

Stein, A. J., Ghohabi Esfahani, N., Akeson, S., Kakhaki, P. D., Kontogiorgos-Heintz, D., Nivala, J., Jain, M.2026-10-08
💻 Bioinformatik

Additive-input encoding fails operator-level target-held-out prediction on current Perturb-seq screens

Diese Studie zeigt, dass die in aktuellen Perturb-seq-Screens verwendeten Additive-Input-Kodierungsmodelle nicht auf neue, gehaltene Perturbationsziele generalisieren, was offenbart, dass inferierte regulatorische Operatoren nicht für die Vorhersage von Reaktionen auf ungesehene Gene validiert sind, ungeachtet ihrer mathematischen Identifizierbarkeit.

Fullmer, K., Kutzen, D., Terooatea, T. W.2026-10-08
💻 Bioinformatik

VINTER: a generative vision-language model for annotating and interrogating spatial tissues

VINTER ist ein generatives Vision-Language-Modell, das Histologie, Genexpression und räumliche Nachbarschaft in eine einzige Sequenz vereint, um räumliche Gewebestrukturen über verschiedene Plattformen und Auflösungen hinweg präzise zu annotieren und abzufragen, wodurch verborgene biologische Heterogenität aufgedeckt und die Editierung molekularer Evidenz ohne erneutes Training ermöglicht wird.

Wu, J., Xu, W., Zhuang, Y., Zhang, Y., Loza Lopez, M. d. J., yang, y., Nakai, K.2026-10-08
💻 Bioinformatik

Evaluation of synthetic data generation for longitudinal 6-year follow-up subclinical cardiovascular disease data using GAN models

Diese Studie bewertet die Leistungsfähigkeit der TGAN- und CTGAN-Modelle bei der Generierung synthetischer, sechsjähriger longitudinaler Daten zu Herz-Kreislauf-Erkrankungen und stellt fest, dass CTGAN zwar im Allgemeinen eine überlegene Treue und Privatsphäre im Vergleich zu TGAN und einer Perturbations-Baseline bietet, jedoch noch Verfeinerungen benötigt, um die zeitlichen Charakteristika und die Leistung über jüngere Altersgruppen hinweg besser zu bewahren.

Bertgren, A., Ohberg, F., Soda, P., Naslund, U., Wennberg, P., Gronlund, C.2026-10-08