💻 Category

bioinformatics

1197 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.

💻 Bioinformatik

POME: Graph-based embeddings for partially observed mixed-type data

Das Paper stellt POME vor, ein selbstüberwachtes graphbasiertes Embedding-Modell, das darauf ausgelegt ist, niedrigdimensionale Repräsentationen für teilweise beobachtete biomedizinische Daten gemischter Typen zu generieren, wobei es eine erstklassige Imputationsleistung erzielt und effektive Downstream-Aufgaben wie die Entdeckung von Patientensubgruppen, prädiktive Modellierung und Therapieempfehlungen ermöglicht.

Woller, F., Arend, L., Kist, A. M., List, M., Rahimi, F., Sirocchi, C., Blumenthal, D. B.2026-09-15
💻 Bioinformatik

pydreg: a fast Python package for identifying active cis-regulatory elements from nascent transcription

Das Paper stellt pydreg vor, eine schnelle und wartbare Python-Reimplementierung des dREG-Algorithmus zur Identifizierung aktiver cis-regulatorischer Elemente aus der-Nascent-Transkription, welche die Laufzeit und den Speicherverbrauch signifikant reduziert und dabei die Genauigkeit sowie die Kompatibilität mit der ursprünglichen Methode und moderner Computerinfrastruktur bewahrt.

He, A. Y., Danko, C. G.2026-09-13
💻 Bioinformatik

Matched full-UDG and non-UDG ancient DNA libraries reveal trade-offs in post-mortem damage correction for imputation and kinship inference

Durch den Vergleich von gematchten, voll-UDG- und Nicht-UDG-behandelten antiken DNA-Bibliotheken von mittelalterlichen mongolischen Individuen zeigt diese Studie, dass verschiedene computergestützte Methoden zur Schadenskorrektur (Trimming, Rescaling und Maskierung) unterschiedlich zwischen der Beibehaltung von Sequenzstellen und der Fehlerminimierung abwägen, wobei die optimale Wahl von der spezifischen nachgelagerten Analyse abhängt, wobei korrigierte Daten für eine genaue Verwandtschaftsinferenz in Nicht-UDG-Bibliotheken essenziell sind.

Ravdandorj, O., Sampildondov, C., Janchiv, K., Gakuhari, T.2026-09-13
💻 Bioinformatik

A Framework for Quantifying DNA Methylation Heterogeneity and Detecting Co-methylated loci from Native Nanopore Sequencing

Diese Arbeit präsentiert ein skalierbares Framework, das in das DMRcaller-Paket integriert ist und natives Oxford-Nanopore-Sequenzieren nutzt, um die Heterogenität der DNA-Methylierung auf Einzelmolekülebene zu quantifizieren sowie ko-methylierte Loci zu detektieren, wodurch epigenetische Muster und regulatorische Interaktionen aufgedeckt werden, die durch traditionelle Analysen auf durchschnittlicher Ebene pro Position verschleiert werden.

Kim, Y. J., Zabet, N. R.2026-09-13
💻 Bioinformatik

Towards reconstruction of the human interactome from positive and negative experimental evidence

Diese Arbeit präsentiert eine Methodik zur Rekonstruktion des experimentellen Suchraums von Protein-Protein-Interaktions-Screens (PPI), um wahrscheinliche nicht-interagierende Proteinpaare zu inferieren und dadurch eine bessere Fehlerratenschätzung, Modellkalibrierung sowie ein verbessertes maschinelles Lernen für eine genauere und vollständigere Kartierung des menschlichen Interaktoms zu ermöglichen.

As, J., Pelz, K., Bernett, J., Battini, F., List, M., Blumenthal, D. B., Schaefer, M. H.2026-09-13
💻 Bioinformatik

Inverse FoldDir: Structure-conditioned Protein Sequence Design by Dirichlet Flow Matching

Das Papier stellt Inverse FoldDir vor, eine steuerbare Inverse-Folding-Methode auf Basis von Dirichlet-Flow-Matching, die durch iteratives Denoising auf dem Aminosäure-Wahrscheinlichkeitssimplex diverse, experimentell validierte Proteinsequenzen mit benutzerdefinierten Einschränkungen erzeugt und dabei State-of-the-Art-Metriken für die strukturelle Rekonstruktion sowie ein erfolgreiches funktionales Redesign eines Anti-GFP-Nanobody-Antikörpers erreicht.

TARTICI, A., Stojkovic, M., Tian, A., Jewett, M. C., Altman, R. B., Wittmann, B. J.2026-09-11✓ Author reviewed ⓘ
💻 Bioinformatik

Perturbation-Aware Neural ODE (pNODE) Learns Microbiome Dynamics from Clinical Data and Predicts Gut-Borne Bloodstream Infections in Patients Receiving Cancer Treatment

Diese Studie stellt das störungsbewusste Neural ODE (pNODE)-Framework vor, welches traditionelle Modelle übertrifft, indem es die Dynamik des Darmmikrobioms präzise prognostiziert und darmbedingte Blutstrominfektionen bei Krebspatienten unter Allogenauswahl-hämatopoetischer Zelltransplantation durch die Integration von mikrobiellen Abundanzen und zeitaufgelösten Antibiotika-Störungen vorhersagt.

Stamper, I. C., Aeria, B., Xavier, J.2026-09-10
💻 Bioinformatik

Systematic benchmarking of small variant calling pipelines for long-read RNA sequencing data

Diese Studie benchmarkt systematisch Pipelines für das Variant Calling kleiner Varianten und das Haplotype Phasing für die Long-Read-RNA-Sequenzierung über diverse Datensätze und Technologien hinweg und zeigt auf, dass die Sequenzierqualität der primäre Leistungsdeterminant ist, während sie gleichzeitig Clair3-RNA, DeepVariant und longcallR als Top-Caller sowie WhatsHap oder HapCUT2 als optimale Phasing-Tools in Abhängigkeit vom spezifischen Kontext identifiziert.

Wang, J., Robinson, M. D.2026-09-10
💻 Bioinformatik

Classical baselines outperform released deep-learning ITS classifiers, which collapse on ITS2 where predictions follow the flanking regions

Diese Studie zeigt, dass Deep-Learning-Klassifikatoren für pilzliche ITS-Sequenzen zwar eine hohe Genauigkeit bei vollständigen Referenzen erreichen, jedoch bei der häufig verwendeten ITS2-Subregion dramatisch versagen, da sie sich auf die flankierenden Regionen anstatt auf das Barcoding selbst verlassen, was dazu führt, dass klassische Baseline-Methoden in realistischen Szenarien des Umwelt-Metabarcodings die Klassifikatoren signifikant übertreffen.

O'Brien, A., Gardette, A., Marin, C., Parada, P.2026-09-10