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.
Das Paper stellt Cavebear vor, ein Machine-Learning-Framework, das Referenz-scRNA-seq-Zeitreihendaten einer Spezies oder Bedingung nutzt, um die Pseudotime präzise zu inferieren und biologische Alterung oder Krankheitsverläufe in Abfragekontexten abzubilden, denen verlässliche zeitliche Labels fehlen.
Diese Forschung demonstriert, dass das Hamiltonian Auto Decomposition Optimisation Framework (HADOF) die aktuellen NISQ-Hardwarebeschränkungen überwinden kann, um erfolgreich ein 7,1 Millionen Basenpaare umfassendes *Pseudomonas aeruginosa*-Genom auf echter Quantenhardware zu assemblieren, wobei eine Genomfraktion von 99,348 % erreicht und die Lebensfähigkeit skalierbarer Quantenoptimierung für groß angelegte wissenschaftliche Arbeitslasten bewiesen wird.
Dieses Paper stellt PLI-Parallax vor, einen umfassenden Datensatz, der vorhergesagte und experimentelle Protein-Ligand-Strukturen mit kalibrierten Genauigkeitsbezeichnungen und rigorosen Evaluierungs-Splits integriert, was die Schätzung der Vorhersagezuverlässigkeit durch Methodenübereinstimmung selbst in Abwesenheit experimenteller Bodenwahrheit ermöglicht.
scAtlasPy ist ein neuartiges, disk-basiertes Computing-Framework, das die Speicherbeschränkungen Standard-Workstations überwindet und eine hochauflösende Analyse massiver Single-Cell-Atlanten (z. B. 100 Millionen Zellen) mit signifikant geringerem Speicherverbrauch und höheren Verarbeitungsgeschwindigkeiten im Vergleich zu bestehenden State-of-the-Art-Plattformen ermöglicht.
Diese Studie identifiziert eine reproduzierbare, höherwertige „funktionelle Organisation“ bei Gefäßerkrankungen, die über individuelle Gen- oder Signalwegvariationen hinausgeht und offenbart, dass das kardiovaskuläre Remodelling über verschiedenste Zustände und Zelltypen hinweg durch ein koordiniertes, dynamisches Rebalancing von sechs konservierten biologischen Funktionen angetrieben wird.
Dieses Paper stellt AnnoAudit vor, ein markerbasiertes Protokoll, das systematische Annotationsfehler in weit verbreiteten Einzelzell-Atlanten aufdeckt, wie etwa der CEREBRI-Ressource für traumatische Hirnverletzungen, bei der die Mehrheit der als glutamaterge Neuronen bezeichneten Zellen tatsächlich nicht-neuronal ist, was zu signifikanten biologischen Artefakten führt, die bei einer Re-Annotation korrigiert werden.
bioq ist eine Open-Source-, leichtgewichtige Befehlszeilenschnittstelle, die den Zugriff auf eine Flotte von über 38 containerisierten KI-Werkzeugen für die Wirkstoffforschung über ein serverloses Gateway vereinheitlicht und es Forschern sowie automatisierten Agenten ermöglicht, komplexe Workflows von einem Laptop aus auszuführen, ohne lokale Hardware oder kollidierende Softwareabhängigkeiten verwalten zu müssen.
Dieses Paper stellt Titra vor, einen End-to-End-Deep-Learning-Workflow, der den gesamten Prozess der Virustitration automatisiert – von der Vertiefungserkennung über die Plaque-Segmentierung bis hin zur PFU/mL-Schätzung – und eine starke Übereinstimmung mit manuellen Annotationen über verschiedene Virusarten und Plattenformate hinweg demonstriert.
Diese Arbeit analysiert das Boltz-1 Co-Folding-Modell, um aufzuzeigen, dass strukturelle Informationen über drei distinkte Ströme – Single-, Intra-Chain- und Inter-Chain-Repräsentationen – organisiert sind, die einer Mix-Compress-Refine-Trajektorie folgen, wobei die Intra-Chain-Geometrie weitgehend vorkonditioniert ist, während Inter-Chain-Anordnungen durch das Diffusionsmodul progressiv konstruiert und abgeglichen werden.
Diese Studie nutzt die Bulk-RNA-Seq-Analyse von Keloid- und gepaartem Normalhautgewebe, um zu zeigen, dass die Berücksichtigung der Zelltyp-Heterogenität deutliche Unterschiede in der Anreicherung von Fibroblasten und Immunzellen, deren spezifischen Interaktionen sowie den entscheidenden Genexpressionssignaturen aufzeigt, die der Keloid-Erkrankung zugrunde liegen.