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.
Diese Studie zeigt, dass elektrolytisches Wasserstoffwasser (EHW) die Differenzierung von Caco-2-Darmzellen fördert, indem es über einen Feed-Forward-Loop die Expression von miR-429 und miR-200c-3p senkt und dadurch die Expression der Gene CUL5 und GOLGA7 sowohl prä- als auch post-transkriptionell reguliert.
Das Papier stellt scDesignPop vor, einen flexiblen statistischen Simulator, der realistische populationsweite scRNA-seq-Daten mit genetischen Effekten erzeugt, um die experimentelle Planung zu optimieren, Methoden zu bewerten und den Datenschutz zu gewährleisten, wobei es bestehende Lösungen wie splatPop in Bezug auf die Erhaltung von eQTL-Effekten und Gen-Gen-Abhängigkeiten übertrifft.
Das Paper stellt ARCH3D vor, ein Fundamentmodell für die globale Genomarchitektur, das durch eine neuartige Maskierungsstrategie für genomweite Kontaktprofile die räumliche Genomstruktur erfasst und somit die Grundlage für die Simulation des Genoms durch künstliche Intelligenz bildet.
Diese Studie zeigt, dass RNA-Foundation-Modelle die generalisierbare Klassifizierung von Endometriose über verschiedene Kohorten hinweg verbessern und durch eine neue Interpretationsmethode (CA-IG) stabile, biologisch plausible Gen-Signale liefern, die herkömmliche Baseline-Modelle übertreffen.
Das Paper stellt PhyMapNet vor, ein phylogenetisch geführtes bayesianisches Framework zur robusten und effizienten Inferenz von Mikrobiom-Netzwerken, das durch die Integration evolutionärer Informationen und eine tuning-freie Konsensstrategie zuverlässige Interaktionsnetzwerke aus komplexen Daten ableitet.
Die Autoren haben durch die Organisation eines globalen Wettbewerbs mit einem neuartigen longitudinalen multimodalen Datensatz zur hämatopoetischen Differenzierung gezeigt, dass optimierte Modelle regulatorische Muster zwischen Genomik, Transkriptomik und Proteomik erfolgreich vorhersagen können, und stellen damit einen neuen Standard für die Entwicklung von Methoden zur Analyse zellulärer Regulationsmechanismen bereit.
Diese Studie identifiziert die antiviralen Wirkstoffe Adefovir und Brivudin durch bioaktivitätsgestützte Repurposing-Screening-Methoden als neue OSCAR-Inhibitoren, die in einem Mausmodell für posttraumatische Arthrose den Krankheitsverlauf verlangsamen und die Knorpelregeneration fördern.
Die Studie stellt STRATA vor, ein differentialgeometrisches Framework für die räumliche Transkriptomik, das kontinuierliche Felder der Regulon-Aktivität analysiert und zeigt, wie Melanome die komplexe Regulationsarchitektur der menschlichen Haut durch eine Homogenisierung der Kopplung zwischen Transkriptionsfaktor-Programmen vereinfachen.
Die Studie zeigt, dass die Reduzierung und Neustrukturierung der UniProtKB-Datenbank die peptidzentrische Metaproteomik nicht destabilisiert, sondern Ambiguitäten verringert, während eine metagenomgesteuerte Filterung einen kontextabhängigen Kompromiss zwischen Sensitivität und Spezifität darstellt.
Die Studie zeigt, dass der L1-Abstand zwischen Protein-Embeddings von Sprachmodellen als effiziente, sequenzbasierte Screening-Methode dient, um strukturstörende Mutationen zu identifizieren und so den Bedarf an rechenintensiven Strukturvorhersagen in der Protein-Engineering reduziert.