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.
LLM-PathwayCurator wandelt Pfadenreichungsanalysen von Omics-Daten in auditierbare, evidenzbasierte Schlussfolgerungen um, wobei ein Modul zur Hervorhebung von Redundanzen und eine abstinenzgesteuerte Qualitätssicherung trotz variabler Leistung bei Kontextänderungen oder Genverlust eine reproduzierbare Interpretationsebene für die Krebsforschung schaffen.
Diese Studie zeigt durch eine umfassende Analyse von über 600 Modellen, dass bestimmte Foundation-Modelle die Vorhersage zellulärer Reaktionen auf genetische und chemische Störungen im Vergleich zu einfachen Baselines signifikant verbessern können, insbesondere wenn ausreichend Daten zur Verfügung stehen.
NaVis ist ein webbasiertes Framework, das durch interaktive, on-demand Super-Resolution-Inferenz die statische Analyse räumlicher Transkriptomdaten in eine dynamische, mikroskopieähnliche Exploration verwandelt und dabei keine Programmierkenntnisse erfordert.
Die Studie stellt EchoVisuALL vor, eine KI-gestützte Pipeline zur automatisierten, hochdurchsatzfähigen Echokardiographie an Mäusen, die durch präzise quantitative Analysen und Clustering 37 Gene identifiziert hat, darunter 12 neuartige Kandidaten für kardiovaskuläre Erkrankungen.
Diese Studie erstellt ein umfassendes Atlas von gewebe- und zellspezifischen metabolischen Modellen des Menschen, die durch integrierte Transkriptomdaten eine systemische Analyse der durch eine zucker- und fettreiche Ernährung ausgelösten Leberdysregulation und des Übergangs zu einem lipidzentrierten Stoffwechselzustand ermöglichen.
Das Paper stellt Spartan vor, ein neuartiges, aktivitätsbewusstes Multiplex-Graph-Framework zur hochauflösenden Identifizierung räumlicher Domänen in der Transkriptomik, das durch die Modellierung lokaler Aktivierungssignale an Übergangszonen präzise anatomische Grenzen und Mikrostrukturen erfasst.
Die Studie stellt RIMA vor, eine Methode zur rigorosen Abstimmung von Einzelzell-Atlanten verschiedener Spezies, die es ermöglicht, konservative Entwicklungsprinzipien zu identifizieren und durch quantitative Vergleiche biologische Modelle zu verbessern.
Die Autoren stellen eine in FragPipe integrierte Methode namens Match-Between-Glycans (MBG) vor, die durch den Vergleich von MS1-Signalen identifizierter Glykopeptide die Identifikation und Quantifizierung von Glykosylierungen erweitert, indem sie auch Glykopeptide mit fehlenden oder minderwertigen MS2-Spektren sowie Glykane mit nicht in der Datenbank enthaltenen Modifikationen erfasst.
Das Paper stellt Minipoa vor, ein hochleistungsfähiges und speichereffizientes Werkzeug zur partiellen Reihenfolge-Alignment, das durch innovative Heuristiken und Optimierungen die Geschwindigkeit und Genauigkeit bestehender Methoden für die groß angelegte Pangenomik und Fehlerkorrektur von Long-Reads erheblich verbessert.
Diese Arbeit stellt eine modellgestützte virtuelle Screening-Pipeline (MGVS) vor, die generative struktur-basierte Wirkstoffdesign-Modelle mit effizienten chemischen Ähnlichkeitssuchen kombiniert, um synthetisierbare Analoga mit vergleichbarer oder besserer Bindungswirkung zu identifizieren und dabei die Screening-Effizienz im Vergleich zu herkömmlichen Methoden um mindestens das 25-fache zu steigern.