1018 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.
Diese Studie zeigt, dass die Korrelation zwischen den Log-Likelihood-Werten generativer Modelle und der Bindungsaffinität von Antikörpern daraus resultiert, dass diese Modelle implizit evolutionäre Priors erlernen und dabei auf einem Niveau mit einfachen BLOSUM-Ähnlichkeitswerten agieren, die gegen einen bekannten parentalen Binder berechnet wurden.
Diese Arbeit führt ein neuartiges, auf PARAFAC2 basierendes Analyse-Framework ein, das die Einschränkungen standardmäßiger CP-Modelle überwindet, indem es subjekt-spezifische zeitliche Variationen in longitudinalen Mikrobiom-Daten explizit erfasst und somit die Entdeckung replizierbarer, individualisierter Entwicklungssignaturen ermöglicht, die zuvor übersehen wurden.
Das Papier stellt SWARM vor, ein KI-basiertes Framework, das die Präzision des Profiling von Einzelmolekül-RNA-Modifikationen signifikant verbessert, indem es hohe Falsch-Positiv-Raten beim Nanoporen-Sequenzieren überwindet und dadurch die Entdeckung neuer Modifikationsstellen ermöglicht sowie neue Erkenntnisse über die Pseudouridin-Deposition liefert und gleichzeitig bestehende Modelle der epitranskriptomischen Koordination infrage stellt.
Dieses Paper stellt OptMini vor, einen effizienten Algorithmus, der Minimizer mit minimaler Dichte für große Fenstergrößen berechnet, indem er die Einschränkungen der Brute-Force-Suche und der ganzzahligen linearen Programmierung überwindet, während er gleichzeitig neue Erkenntnisse über die Beziehung zwischen der Minimizer-Dichte und universellen Treffermengen (Universal Hitting Sets) liefert.
Dieses Paper stellt AniAnn vor, einen Open-Source-, alignment-freien Algorithmus, der schnelle Schätzungen der durchschnittlichen Nukleotididentität nutzt, um große Blöcke von Tandem-Repeat-Arrays und Satelliten-DNA über diverse eukaryotische Genome hinweg schnell und präzise zu annotieren, wobei die Laufzeit im Vergleich zu bestehenden Methoden signifikant reduziert wird.
Das Paper stellt den GLYCAM Bacterial Carbohydrate Builder vor, ein verbessertes Web-Tool, das bakterielle Monosaccharid-Parameter und Derivate integriert, um die intuitive Generierung von 3D-Strukturmodellen und Molekulardynamik-Eingangsdateien für komplexe bakterielle Glykane zu erleichtern.
LocAlign ist ein Framework des Geometric Deep Learning, das die lokale strukturelle Proteinalignment durch die iterative Vorhersage von atomaren Entsprechungen und 3D-Überlagerungen mittels schwach überwachtem Training an Liganden-gebundenen Paaren ermöglicht und dadurch effektiv funktionale Motive über diverse Proteinfaltungen hinweg identifiziert, ohne dass Ground-Truth-Alignments erforderlich sind.
Dieses Paper präsentiert einen neuartigen Algorithmus, der RLBWT-basierte komprimierte Volltextindizes konstruiert und LCP-bezogene Informationen in optimaler Zeit von O(n) und in O(r) Speicherplatz für repetitive Datensätze berechnet, wobei im Vergleich zu bisherigen Methoden eine 12,6-fache Reduktion des Spitzen-Speicherverbrauchs bei der Pangenom-Analyse im Terabase-Maßstab erreicht wird.
Dieses Paper führt eine skalierbare, interpretierbare und effiziente Proteinrepräsentation auf Basis eines kuratierten Alphabets aus 40 evolutionär konservierten Fragmenten ein, die traditionelle Sequenz- und Strukturmethoden beim Clustering, der Datenbanksuche und der Steuerung der funktionalen Protein-Backbone-Generierung übertrifft.
Diese Studie enthüllt die beispiellose endogene Expression der weibchenspezifischen lncRNA XIST in einem seltenen neuronalen oder glialen Zelltyp innerhalb männlicher Herzen, wobei deren Hochregulierung mit Herzerkrankungen und Myokardinfarkten assoziiert ist, was auf einen neuartigen, therapeutisch beeinflussbaren nicht-codierenden RNA-Signalweg in der kardialen Pathologie hindeutet.