1188 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 Papier stellt Hyper Screening X vor, ein generatives KI-Framework, das strukturbasiertes Design mit automatisierter Synthesehardware integriert, um effizient durch chemische Räume in Billionen-Größenordnung zu navigieren und erfolgreich erstklassige Leitstrukturen mit hohen Synthese- und Funktions-Trefferraten zu identifizieren.
Diese Studie nutzt hochauflösende RNA-Seq-Daten aus dem alternden männlichen Mauskolon, um aufzuzeigen, dass die transkriptomischen Veränderungen durch komplexe, nicht-monotone Trajektorien und einen Zusammenbruch der ungefalteten Proteinantwort in der Mitte bis zum späten Leben dominiert werden, während sie gleichzeitig die Konstruktion einer kompakten, Drei-Gen-Transkriptom-Uhr ermöglicht, um das chronologische Alter präzise zu verfolgen.
MOSAIC ist ein unüberwachtes Framework, das Graphknoten-Einbettungen durch die Analyse des Konvergenzverhaltens akkumulierter Diffusionsoperatoren mittels Krylow-Unterraum-Analyse lernt und dabei eine überlegene Leistung bei Aufgaben der Knotenklassifizierung und Link-Vorhersage im Vergleich zu bestehenden Methoden wie Node2Vec und GraphSAGE erzielt, wie an einem groß angelegten biomedizinischen Wissensgraphen demonstriert wurde.
Das Papier stellt „digestome“ vor, ein kommerziell lizenzfreies Markergen-Panel und Scoring-Framework zur funktionellen Profilierung von Anaerob-Vergärungs-Mikrobiomen, welches eine hohe Spezifität bei der Identifizierung von Methanogenese- und Hydrolysewegen aufweist und dabei Messbiase explizit berücksichtigt, um eine kostenpflichtige Analyse für Biogasbetreiber zu ermöglichen.
Enrich.AI ist eine agentenbasierte KI-Plattform, die statistische Anreicherungsanalysen mit automatisierter Literaturrecherche und LLM-basierter Argumentation integriert, um durch eine konversationelle Schnittstelle interaktive, evidenzbasierte biologische Interpretationen von Genlisten bereitzustellen.
Diese Arbeit führt eine gewichtete Pathway-Co-Membership-Scoring-Methode ein, die die hierarchischen und sequenziellen Pathway-Strukturen von Reactome integriert, um biologisch informierte Proteinnetzwerke zu generieren, wobei sie im Vergleich zu aktuellen State-of-the-Art-Ansätzen eine überlegene Leistung bei der Priorisierung von Krebsgenen demonstriert.
Das Papier stellt pre-miRBench vor, einen standardisierten multispezies-Benchmark und ein Referenzmodell, das darauf ausgelegt ist, einen fairen Vergleich von tierischen Vorläufer-microRNA-Prädiktoren über verschiedene Spezies und miRNA-Familien hinweg zu ermöglichen, wobei nachgewiesen wird, dass sein Ensemble-Modell eine überlegene Gesamtleistung erzielt und gleichzeitig reproduzierbare Ressourcen für die zukünftige Forschung bereitstellt.
Durch die Analyse von NOTCH3-Sequenzen über 113 Säugetierarten hinweg offenbart diese Studie seltene evolutionäre Abweichungen, die strikte Konservierungsmuster infrage stellen und einen kontextabhängigen Rahmen für die Interpretation der CADASIL-Pathogenität auf Basis struktureller, Disulfid- und proteolytischer Faktoren jenseits der einfachen Cysteinanzahl etablieren.
Diese Arbeit zeigt auf, dass genomische Foundation-Modelle während der Feinabstimmung durch klein angelegte Datenvergiftungen mit kurzen DNA-Motiven äußerst anfällig für allgegenwärtige Backdoor-Angriffe sind, während sie bei sauberen Aufgaben robust bleiben, und schlägt ein neuartiges zweistufiges Auditierungs-Framework vor, um solche Bedrohungen ohne Vorwissen über die Trigger zu detektieren.
Diese Studie charakterisiert empirisch die „Verifizierungsverschuldung“ (verification debt), die automatisierten biologischen Forschungsabläufen inhärent ist, unter Verwendung der Biomni-Agentenplattform, und schlägt ein neues VERIFY-Framework sowie eine Reihe von Metriken vor, um die Rückverfolgbarkeit und Validität KI-gestützter wissenschaftlicher Entscheidungen über verschiedene biologische Domänen hinweg zu bewerten.