1250 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.
Das Paper stellt MultiAMP vor, ein integriertes Multi-Scale-Modell, das Sequenz- und Strukturdaten kombiniert, um die Vorhersage antimikrobieller Peptide (AMPs) signifikant zu verbessern, neue Kandidaten aus marinen Organismen zu entdecken und deren gezieltes Design zu ermöglichen.
Diese Studie stellt „Spatial Mechanomics" als ein neues Rahmenwerk vor, das mittels BioAFM und der Open-Source-Plattform MechScape räumlich aufgelöste mechanische Gewebeeigenschaften erfasst und in multimodale Omics-Analysen integriert, um detaillierte biomechanische Atlanten von Geweben zu erstellen.
Die Studie stellt TOASTER vor, eine Methode zur topologischen Datenanalyse, die die Assoziation zwischen kontinuierlicher räumlicher Proteinexpression und klinischen Ergebnissen in der Multiplex-Spatial-Proteomik direkt untersucht, ohne auf fehleranfällige Zellsegmentierung oder Phänotypisierung angewiesen zu sein.
Die Studie stellt AbiOmics vor, eine End-to-End-Machine-Learning-Pipeline, die mithilfe von Transkriptomdaten und 320 spezifischen Marker-Genen mit über 90 % Genauigkeit verschiedene abiotische Pflanzenstressfaktoren wie Salz, Kälte, Hitze und Trockenheit sowie deren Kombinationen präzise identifiziert und unterscheidet.
Das Paper stellt MAP vor, ein wissensgestütztes Framework, das durch die Integration eines großen biologischen Wissensgraphen und kontrastives Lernen die Vorhersage von zellulären Reaktionen auf nicht charakterisierte Wirkstoffe ermöglicht und dabei die Generalisierungsfähigkeit bestehender Modelle signifikant verbessert.
Die Studie stellt CO_SCPLOWILANTROC_SCPLOWO_SCPCAP-C_SCPCAPO_SCPLOWSLC_SCPLOW vor, ein zweistufiges, netzwerkfreies Framework, das vortrainierte biologische Grundmodelle und konforme Vorhersagen nutzt, um synthetische Letalität mit kalibrierter Unsicherheit vorherzusagen und dabei auf traditionelle PPI- und GO-Daten zu verzichten.
Die Studie stellt DENcode vor, ein robustes Modell, das genomische Daten (einschließlich Haplotypen) mit epidemiologischen Parametern kombiniert, um die Wahrscheinlichkeit von Übertragungsbeziehungen zwischen Dengue-Virus-Infektionen zu berechnen und so detaillierte Transmissionsnetzwerke für die Seuchenkontrolle zu erstellen.
Die Studie stellt ein autonomes KI-Framework vor, das Wissensgraphen und Large Language Models integriert, um durch die Verwendung eines neuartigen „Focal Graph"-Konzepts große biomedizinische Datenmengen in transparente, datengesteuerte Hypothesen zu überführen und damit den Prozess der Wirkstoffentdeckung zu automatisieren und zu beschleunigen.
Die Arbeit stellt Cuttlefish 3 vor, einen parallelen Algorithmus mit externem Speicher, der durch drei algorithmische Innovationen die Konstruktion farbiger kompakter de-Bruijn-Graphen für massive genomische Datensätze bis zu 4,09-mal schneller als der aktuelle State-of-the-Art-Tool GGCAT ermöglicht.
Die Studie stellt BioMiner vor, ein multimodales System zur automatisierten Extraktion von Protein-Ligand-Bioaktivitätsdaten aus wissenschaftlicher Literatur, das durch die Trennung semantischer Interpretation und chemischer Strukturerstellung sowie die Einführung eines umfassenden Benchmarks die manuelle Datenerfassung überwindet und die Wirkstoffentwicklung beschleunigt.