1210 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.
RAGulate ist ein Framework für Retrieval-Augmented Generation, das hybride Literaturrecherche mit großen Sprachmodellen kombiniert, um Transkriptionsfaktor-Zielgen-Interaktionen in spezifischen biologischen Kontexten präzise zu bewerten und zu erklären, wodurch Halluzinationen reduziert und die experimentelle Priorisierung für Biologen beschleunigt wird.
Durch die Entwicklung des variablen bayesschen hierarchischen Modells eTRex und dessen Anwendung auf 4.819 ATAC-seq-Datensätze erstellt diese Studie einen umfassenden, kontextspezifischen Pan-Cancer-Atlas funktioneller transkriptioneller Regulatorprofile, der sowohl gemeinsame als auch krebsspezifische onkogene Regulierungsprogramme offenlegt, welche durch unabhängige genomische Screens validiert wurden und über ein interaktives Webportal zugänglich sind.
HERMES ist ein schnelles, struktur-basiertes neuronales Netzwerkmodell, das die Auswirkungen von Mutationen auf die Proteinstabilität und Bindungsaffinität vorhersagt, indem es lokale 3D-Atomumgebungen sowie eine amortisierte Feinabstimmungsstrategie nutzt, um größenbasierte Verzerrungen zu überwinden und somit ein präzises, recheneffizientes Impfstoffdesign zu ermöglichen.
Diese Studie integriert die Ganzgenomanalyse mit der 3D-Proteinstrukturmodellierung, um zu demonstrieren, wie genetische Variationen in Virulenzfaktoren, insbesondere dem Intimin-Rezeptor-Komplex, funktionell charakterisiert werden können, um die Risikobewertung und Diagnostik für diverse Nicht-O157 Shiga-Toxin-produzierende *E. coli* zu verbessern.
Das Papier stellt VAIruScope vor, eine auf Deep Learning basierende Pipeline, die die automatisierte, markierungsfreie Identifizierung und Quantifizierung virusinfizierter Zellen über verschiedene Zellmodelle und klinisch relevante RNA-, DNA- und Retroviren hinweg durch das Erkennen zytopathischer Effekte in der Lichtmikroskopie mit einer Genauigkeit von bis zu 96 % ermöglicht.