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.
Dieses Papier erweitert die kontrastive Hauptkomponentenanalyse (cPCA) durch die Einführung von k-{rho}PCA für räumliche Daten und f-{rho}PCA für funktionale Daten, die beide auf dem Rayleigh-Quotienten basieren und Anwendungen in der Genomik demonstrieren.
Die Studie stellt DIANA vor, ein auf Deep Learning basierendes Multi-Task-Neurales Netzwerk, das aus Unitig-Häufigkeiten präzise Metadaten für alte Metagenomdaten vorhersagt und dabei durch semantische Generalisierung auch Proben mit unbekannten Labels korrekt klassifiziert, um die Qualitätskontrolle und Entdeckung in der Forschung zu beschleunigen.
Diese Studie integriert evolutionäre Daten von Mensch-Virus-Protein-Interaktionen mit Kontaktkarten, um zu zeigen, dass sich positive und negative Selektionssignaturen auf den Schnittstellen virus-targetierter Wirtsproteine räumlich unterschiedlich organisieren, wobei positiv selektierte Residuen in mimetischen Schnittstellen stärker gebündelt sind und adaptive Evolution fokussieren.
CoPhaser ist ein neuartiger, interpretierbarer Algorithmus, der mittels eines biologisch informierten Variational Autoencoders kontinuierliche periodische Manigfaltigkeiten aus scRNA-seq-Daten extrahiert, um zelluläre Identität und biologische Rhythmen wie den Zellzyklus oder circadiane Uhren kontextabhängig zu entwirren und dabei neue biologische Erkenntnisse in verschiedenen Krankheits- und Entwicklungsmodellen zu liefern.
Diese Arbeit stellt einen GPU-beschleunigten, ausrichtungslosen Ansatz zur Genomanalyse vor, der DNA-Sequenzen als Quaternionen-Signale kodiert und durch eine effiziente Quaternion-Fourier-Transformation sowie Kreuzspektralanalyse strukturelle Periodizitäten wie die Helixwiederholung und Nukleosomenpositionierung mit bisher unerreichter Geschwindigkeit und Genauigkeit identifiziert.
Die Studie stellt MAG-E, ein umfassendes Evaluierungsframework für Metagenom-Assemblierungspipelines, vor und nutzt Simulationen des menschlichen Darmmikrobioms, um Leistungsunterschiede zwischen verschiedenen Werkzeugen aufzudecken sowie systematische Schwächen bei der Binning-Genauigkeit und Qualitätskontrolle zu identifizieren.
Das Python-Paket PoolParty vereinfacht die fehleranfällige und mühsame Erstellung von DNA-Sequenzbibliotheken für Hochdurchsatz-Assays und genomische KI-Modelle durch eine flexible API, die komplexe Oligo-Pools über einen berechneten Graphen mit über 50 integrierten Operationen definiert und dabei vollständige Design-Nachweise bereitstellt.
Die Studie stellt die IEKB vor, eine umfassende, offene Wissensdatenbank für die Innenohr-Genetik, die kuratierte Assoziationen, cochleäre Interaktionen, eine bayessche Kandidaten-Priorisierung, erklärbare Unterstützungsbeziehungen für „dunkle" Gene und ein wissenschaftliches Entitätsnetzwerk in einer einzigen Ressource vereint.
Die Studie stellt GMIP-PLSR vor, eine Nextflow-basierte Pipeline zur Integration von GWAS und Multi-Omics-Daten mittels Partial Least Squares Regression, die die Multikollinearität-Probleme des bestehenden PoPS-Tools überwindet und die Genpriorisierung für komplexe Krankheiten wie NAFLD verbessert.
Diese Studie stellt ein Grid-Search-Framework vor, das die manuelle Kalibrierung von Aktigraphie-Schlafalgorithmen durch eine reproduzierbare und datenspezifische Optimierung ersetzt und dabei sowohl die Genauigkeit der Schlafzeitbestimmung als auch die Handhabung von Wachphasen innerhalb des Schlafes verbessert.