759 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.
Dieser Beitrag stellt linearPOA vor, ein paralleles und speichereffizientes Framework, das eine Divide-and-Conquer-Strategie nutzt, um für die Partial Order Alignment eine lineare Speicherkomplexität zu erreichen und damit den Speicherverbrauch im Vergleich zu bestehenden quadratischen Algorithmen bei der Verarbeitung ultra-langer, fehleranfälliger Sequenzierungsreads erheblich reduziert.
Diese Studie stellt PanBART vor, ein artspezifisches Transformer-Modell, das auf dem Geninhalt und der Genordnung von *Escherichia coli* und *Streptococcus pneumoniae* trainiert wurde und seine überlegene Fähigkeit demonstriert, Populationsstrukturen unüberwacht zu erlernen, neu auftretende Linien zu identifizieren, die Aufnahme von Antibiotikaresistenzgenen vorherzusagen und die Koselektion von Genen für kritische genomische Überwachungsaufgaben zu analysieren.
Dieser Beitrag stellt eine Pipeline für einen bedingten variationalen Autoencoder vor, die QSAR-gesteuerte, durch Surrogatmodelle gewichtete Feinabstimmung und Kreuzentropie-Optimierung integriert, um Datenknappheit und Herausforderungen durch zirkuläre Abhängigkeiten zu überwinden und erfolgreich zielgerichtete antimikrobielle Peptide mit hoher vorhergesagter Wirksamkeit und günstigen strukturellen Eigenschaften zu generieren.
Diese Studie wendet einen integrativen systempharmakologischen Ansatz an, um die molekulare Heterogenität des Antiphospholipid-Syndroms zu charakterisieren, und identifiziert die Typ-I-Interferon-Signalgebung sowie die myeloid-ähnliche Reprogrammierung von B-Zellen als zentrale therapeutisch anvisierbare Achsen, die eine Patientenstratifizierung und die Wiederverwendung bestehender Therapien für die Präzisionsmedizin ermöglichen.
Das Papier stellt BioChirp vor, ein Open-Source-Framework, das LLM-basierte Query-Interpretation mit deterministischer graphbasierter Suche kombiniert, um im Vergleich zu konventionellen LLM-basierten Systemen mehr biomedizinische Assoziationen mit höherer Reproduzierbarkeit zu gewinnen.
Die Arbeit stellt den Explainable Prototype Booster (EP-Booster) vor, eine Methode, die biologisches Vorwissen in Fundamentmodelle integriert, um latente Darstellungen für eine genaue und interpretierbare Vorhersage der Genexpression aus histologischen Bildern zu verfeinern und dadurch die Kosten- und Zeitbeschränkungen der räumlichen Transkriptomik zu überwinden.
PixelDeck ist eine Open-Source-Browseranwendung mit lokalem Fokus, die die Organisation, Deduplizierung und interaktive Durchsuchung großer biomedizinischer Bild- und Videokollektionen auf Standardhardware durch eine modulare Architektur mit rekursivem Import, SHA-256-Duplikaterkennung und asynchroner Verarbeitung optimiert.
Die Arbeit stellt Tiberius vor, einen auf Deep Learning basierenden ab-initio-Genprädiktor, der durch das Training von linien-spezifischen Modellen eine state-of-the-art-Genauigkeit und deutlich schnellere Laufzeiten über diverse eukaryotische Kladen hinweg erreicht und damit aktuelle Engpässe bei der Genomannotation effektiv adressiert.
Dieser Beitrag passt die kallisto-bustools-Suite an, um eine effiziente, genaue und einheitliche Vorverarbeitung bakterieller Einzelzell-RNA-seq-Daten zu ermöglichen, wobei Herausforderungen durch Operone und kurze Genlängen adressiert werden, um eine skalierbare Grundlage für die mikrobielle Transkriptomik zu schaffen.
Die Studie stellt COSMOS+ vor, einen interpretierbaren Ansatz, der datengesteuerte Multi-Omics-Faktorenanalyse mit mechanistischem Vorwissen kombiniert, um kausale Signalwege in komplexen Krankheitsmodellen wie der Brustkrebsresistenz aufzudecken und handlungsrelevante Hypothesen zu generieren.