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.
Die Studie stellt SuperCell2.0 als einen robusten Workflow vor, der die semi-überwachte Erstellung multimodaler Metacell-Atlanten ermöglicht, um große Einzelzell-Datensätze effizienter zu analysieren und biologisch relevante Zellpopulationen wie interferon-primierte Monozyten und Makrophagen präzise zu charakterisieren.
Die Studie zeigt, dass AlphaFold3 ligandenabhängige Konformationsänderungen von ABC-Transportern erfolgreich vorhersagt, wobei die Vorhersageheterogenität mit experimentellen Dynamikdaten korreliert und neue, bisher unentdeckte Konformationen sowie energetische Zusammenhänge aufdeckt.
Das Paper stellt wavess 1.2 vor, ein erweitertes Simulationsframework für die Virussequenzentwicklung innerhalb eines Wirts, das nun explizit eine HLA-spezifische CTL-Immunantwort und variable Rekombinationsraten berücksichtigt, um die evolutionäre Dynamik unter immunologischem Selektionsdruck genauer abzubilden.
Diese Studie stellt ein kontrastives Lernframework vor, das aus gepaarten T1- und T2-gewichteten MRT-Bildern erbbare multimodale Hirndarstellungen ableitet, welche die genetische Entdeckung verbessern und eine bessere anatomische sowie genetische Kohärenz aufweisen als herkömmliche unimodale Ansätze.
Das Paper stellt Dory vor, ein robustes und benutzerfreundliches statistisches Werkzeug zur Identifizierung signifikanter Unterschiede in der räumlichen Chromatinstruktur zwischen zwei Gruppen auf Basis von bildbasierten Tracing-Daten, das funktionelle Zusammenhänge mit Genregulation aufdeckt.
Diese Studie analysiert systematisch über 18 Millionen wissenschaftliche Artikel und zeigt, dass chemische Sonden als unverzichtbare Werkzeuge frühe Ziel-Krankheits-Assoziationen liefern, die oft Jahre vor strukturierten Datenbanken erscheinen und neue Möglichkeiten für die Therapieentwicklung, insbesondere bei seltenen und schwer behandelbaren Krankheiten, eröffnen.
Diese Studie zeigt, dass durch den Einsatz von SHAP-basierten Erklärungen in Machine-Learning-Modellen versteckte Verzerrungen in kleinen biomedizinischen Bilddatensätzen aufgedeckt und gleichzeitig relevante biologische Informationen extrahiert werden können, um Fehlschlüsse zu vermeiden und sinnvolle Erkenntnisse zu gewinnen.
Die Studie stellt DiCNN-UniK vor, ein schnelles und ausrichtungsunabhängiges Klassifizierungsmodell für Flaviviren, das auf einem Dual-Input-Convolutional-Neural-Network-Architektur basiert, mit einer Genauigkeit von 99 % auch bei niedrigen Genomabdeckungen von bis zu 20 % zuverlässig funktioniert und dabei die Limitationen traditioneller Multiple-Sequence-Alignment-Methoden überwindet.
Die Studie stellt ein multimodales Framework vor, das genomweite Short-Tandem-Repeat-Variationen (STRs) nutzt, um die menschliche Populationsstruktur mit höherer Auflösung als SNP-basierte Methoden aufzulösen, und führt dabei ein neues, mutationsbewusstes Admixture-Modell namens dNMF ein.
Das Paper stellt ProteinConformers vor, eine umfassende Ressource mit 2,7 Millionen geometrisch optimierten Protein-Konformationen und energetischen Profilen, die durch eine Multi-Seed-Molekulardynamik-Strategie generiert wurden, um das Verständnis von Proteindynamiken zu erweitern und als Benchmark für Konformationsgeneratoren zu dienen.