760 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.
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.
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 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.
Die Studie zeigt, dass bei hochinhaltsbasierten Assays nicht wiederholbare Batch-Effekte und Ausreißerentfernung die Klassifizierungsmuster von Proben kaum beeinflussen, was darauf hindeutet, dass die Wiederholbarkeit kein zuverlässiger Indikator für die Assay-Qualität ist.
Diese Studie stellt einen robusten, biologisch fundierten computergestützten Rahmen vor, der Meta-Ensemble-QSAR, strukturbasiertes Docking und Molekulardynamik-Simulationen integriert, um stabile BACE1-Inhibitoren für die Alzheimer-Therapie zu identifizieren und dabei einen vielversprechenden Leitkandidaten (Mol-2) mit günstigen CNS-Eigenschaften hervorzuheben.
Die Studie stellt TCMCard vor, eine hochvertrauenswürdige digitale Infrastruktur, die durch die Integration multidimensionaler Evidenz und einen strengen Vorverarbeitungsprozess Rauschen in Netzwerkpharmakologie-Daten reduziert und so eine zuverlässigere Grundlage für das Verständnis der Synergieeffekte traditioneller chinesischer Medizin bietet.
Diese Studie vergleicht systematisch die Datenbank-Tools OBITools3/ecoPCR, RESCRIPt und MetaCurator zur Generierung und Bewertung hochwertiger trnL-Referenzdatenbanken für die Pflanzen-DNA-Metabarcodierung und stellt die resultierenden Ressourcen sowie den vollständigen Workflow zur Verfügung.
Die Studie stellt „Immunotype" vor, einen auf Deep Learning basierenden Ensemble-Prädiktor, der eine direkte und genaue HLA-Klass-I-Allotypisierung aus immunopeptidomischen Massenspektrometriedaten ermöglicht und so eine schnelle sowie kosteneffiziente Charakterisierung großer Datensätze erlaubt.
Diese Studie zeigt durch einen systematischen Vergleich von sechs Werkzeugen zur Entfernung von Ambient-RNA, dass Tools wie scAR und CellClear durch die künstliche Erzeugung neuer Zellen und die Verfälschung von Zählmatrizen versagen, während CellBender und SoupX eine zuverlässige und skalierbare Bereinigung bieten.
Diese Arbeit stellt einen Open-Source-Workflow auf Basis von R vor, der statistische Prinzipien nutzt, um eine robuste Differenzanalyse für Massenspektrometrie-Bildgebungsexperimente mit komplexen Versuchsdesigns zu ermöglichen, und unterstreicht dabei die Bedeutung angemessener Signalverarbeitung, Regionsauswahl und statistischer Modellierung.