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 stellt FM-GPT vor, eine neuartige bayessche Feinkartierungsmethode, die in phänomweiten transkriptomweiten Assoziationsstudien mithilfe von UK-Biobank-Daten kausale Gene mit pleiotropen Effekten auf komplexe Merkmale wie kortikale Dicke und diverse medizinische Erkrankungen präzise identifiziert und dabei die biologischen Mechanismen hinter Krankheitskomorbiditäten aufklärt.
Diese Studie stellt einen einheitlichen räumlichen Transkriptom-Datensatz für zehn Mausorgane vor, der mit der Stereo-seq-Plattform generiert wurde und als standardisierte Ressource für die Entwicklung und den Benchmarking von Deep-Learning-Methoden dient.
Das in R implementierte Framework scMultiPreDICT ermöglicht einen systematischen Vergleich der Vorhersagekraft transkriptomischer und epigenetischer Merkmale für die Genexpression auf Einzelzellbasis und zeigt, dass multimodale Integration zwar nicht universell, aber für spezifische Gene und zelluläre Kontexte vorteilhaft ist.
Die Studie stellt LYM-1 vor, das erste groß angelegte, multi-kulturelle Modell zur Vorhersage von Ernteerträgen in den kanadischen Prärien, das auf über 4,7 Millionen Beobachtungen basiert und sowohl Landwirten als auch Züchtern bei der Optimierung der Produktion und der Entwicklung neuer Sorten hilft.
Diese Studie demonstriert, dass die ungerichtete Metabolomik von zu Hause selbst gesammelten Trockenblutproben (DBS) bei 1.257 Teilnehmern eine individuelle Identifizierung mit 94 % Genauigkeit ermöglicht und dabei die kritische Notwendigkeit einer batch-bewussten Validierung zur Vermeidung von Datenlecks aufzeigt.
Diese Studie evaluiert die Leistung von sechs somatischen Variant-Callern in einer klinischen Umgebung mittels einer Snakemake-Pipeline auf hochabgedeckten Tumor-only-Amplicon-Sequenzierungsdaten und stellt fest, dass FreeBayes, VarScan, MuTect2 und Pisces die beste Performance aufweisen.
Diese Studie stellt neue Nachbarn-Parameter für die RNA-Faltung vor, die die Stabilisierungseffekte der Modifikation 1-Methyl-Pseudouridin auf die Sekundärstruktur berücksichtigen und somit die Vorhersage von tRNA- und mRNA-Therapeutika-Strukturen mit dem RNAstructure-Softwarepaket erheblich verbessern.
Die Studie stellt IDiom vor, ein auf 37 Millionen intrinsisch ungeordneten Proteinsequenzen trainiertes generatives Sprachmodell, das in der Lage ist, biologisch relevante und kontextabhängige Sequenzen für die rationale Gestaltung intrinsisch disorganisierter Proteinregionen zu entwerfen.
Die Studie stellt ein neuartiges graphbasiertes Deep-Learning-Modell mit einem Connectivity Attention Block vor, das strukturelle Hirnverbindungen aus Diffusions-MRT-Daten nutzt, um Alter und Demenz (MMSE) präziser vorherzusagen als bestehende Methoden.
Die Arbeit stellt SimpleFold-Turbo vor, eine adaptive Caching-Methode, die die Inferenzgeschwindigkeit der Flow-Matching-Proteinstrukturvorhersage um das 9- bis 14-fache steigert, indem sie redundanten Berechnungen überspringt, ohne die Vorhersagequalität zu beeinträchtigen und ohne erneutes Training oder externe Abhängigkeiten.