1235 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 zeigt, dass geschlechtsspezifische Genexpression zwar geschlechtsspezifische Genessentialität beeinflussen kann, diese jedoch oft nicht der primäre Mechanismus ist, da direkte, expressionunabhängige Effekte, insbesondere auf dem X-Chromosom, die geschlechtsspezifische funktionelle Abhängigkeit dominieren.
Die Studie zeigt, dass die Integration biologisch informierter Sequenzmerkmale, die über reine Struktur- und Affinitätsbewertungen hinausgehen, die Erfolgsvorhersage beim de-novo-Design von Proteinbindern erheblich verbessert, indem sie kontextabhängige Signale für Expression und Bindung identifiziert und so die Trefferquote bei der Vorauswahl potenzieller Kandidaten signifikant steigert.
Die Studie stellt DeSCOPE vor, ein leichtgewichtiges Framework auf Basis eines konditionalen Variational Autoencoders, das die Vorhersage von Reaktionen auf genetische Perturbationen in verschiedenen Omics-Datenlandschaften verbessert und dabei besonders bei nicht gesehenen Genen, Zelltypen und kombinatorischen Perturbationen überlegene Leistung zeigt.
Das Paper stellt π-MSNet vor, ein lebendes, KI-fertiges Portal mit über 1,66 Milliarden MS/MS-Spektren, das durch einheitliche Datenverarbeitung und eine integrierte Python-API die effiziente Schulung und Benchmarking von Deep-Learning-Modellen in der Proteomik ermöglicht.
Das Open-Source-Paket spatialFDA kombiniert räumliche Statistik mit funktionaler Datenanalyse, um in räumlichen Omics-Daten differenzielle zelluläre Kollokalisationen über mehrere Bedingungen hinweg präzise zu quantifizieren und zu testen, was durch Simulationen sowie Anwendungen auf Typ-1-Diabetes-Daten validiert wurde.
Diese Studie stellt einen neuen Rahmen zur multidimensionalen Merkmalsauswahl vor, der synergistische Interaktionen zwischen Darmmikroben identifiziert, die als konsistente Krankheitsmarker weit aussagekräftiger sind als herkömmliche univariate Einzelmarker und somit ein bisher übersehenes, biologisch relevantes Signal in der Mikrobiomforschung aufdecken.
Die Studie stellt einen interpretierbaren, end-to-end Rahmen vor, der Protein-Sprachmodelle mit AlphaFold-basierten Strukturdaten fusioniert, um die Selbstassoziation von Antikörpern mittels des CSI-BLI-Assays für das frühe Entwickelbarkeits-Screening präzise vorherzusagen.
Das Papier stellt PepHammer vor, ein leichtgewichtiges Web-Tool zur effizienten Identifizierung und bioaktiven Charakterisierung von Peptiden in großen Peptidomik-Datensätzen durch den Abgleich mit umfangreichen Datenbanken unter Verwendung verschiedener Ähnlichkeitsmetriken.
Diese Studie entwickelt das Framework deepHTL, um in einer großen Lungentransplantations-Registerdatenanalyse nachzuweisen, dass der Nutzen einer bilateralen gegenüber einer einseitigen Lungentransplantation stark von Patienteneigenschaften abhängt, wobei jüngere und risikoärmere Empfänger den größten Vorteil haben.
Diese Studie charakterisiert genomisch multiresistente klinische Isolate von Escherichia coli und Enterobacter hormaechei aus einer kenianischen Klinik, identifiziert hochriskante Klonstämme und Resistenzgene sowie plasmidvermittelte Übertragungsmechanismen, während sie gleichzeitig auf die Rolle von Umweltreservoiren für die Ausbreitung von Antibiotikaresistenzen hinweist.