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.
labapi ist eine Python-Bibliothek, die computergestützte Arbeitsabläufe und das LabArchives elektronische Laborbuch überbrückt, indem sie dessen flache API in ein intuitives Objektmodell übersetzt und dadurch das nahtlose Lesen und Schreiben experimenteller Daten automatisiert, um manuelle Uploads zu eliminieren.
PharmCast ist ein Feedforward-Neuronales-Netzwerk, das schnell und präzise 3D-Pharmakophor-Fingerprints direkt aus 2D-SMILES-Strings vorhersagt, ohne dass eine Konformergenerierung erforderlich ist, was ein effizientes virtuelles Screening und Scaffold-Hopping zu einem Bruchteil der Rechenkosten herkömmlicher Methoden ermöglicht.
Diese Arbeit identifiziert und adressiert das kritische Problem des systematischen Vorurteils bei der Vorhersage in auf maschinellem Lernen basierenden Altersuhren, welches nachgeschaltete Assoziationsanalysen verzerren kann, indem sie ein optimiertes Rahmenwerk unter Nebenbedingungen vorschlägt, um eine valide biologische Altersschätzung und -inferenz zu gewährleisten.
RevPert ist ein galerie-natives Reverse-Perturbations-Modell, das die Identifizierung potenzieller genetischer Treiber von transkriptomischen Zustandsübergängen priorisiert, indem es die signierte Pearson-Konnektivität mit einem gelernten Residuum kombiniert und im Vergleich zu bestehenden Baselines eine überlegene Leistung bei der Wiederherstellung von zurückgehaltenen Interventionen sowie bei der Identifizierung krankheitsrelevanter Anker demonstriert.
Diese Arbeit zeigt, dass eine einfache, rein sequenzbasierte Pipeline, die 330 interpretierbare Deskriptoren mit dem TabPFN-Foundation-Modell kombiniert, komplexe, strukturkonditionierte Deep-Learning-Ansätze beim Multi-Label-Profiling von antimikrobiellen Peptiden auf dem ESCAPE-Benchmark übertrifft und dabei ohne die Notwendigkeit von gradientenbasiertem Training oder Strukturdaten eine SOTA-Genauigkeit (State-of-the-Art) erreicht.
Diese Studie zeigt, dass Kovarianz-Nichtstationarität ein weit verbreitetes und biologisch signifikantes Merkmal in der räumlichen Transkriptomik ist, welches die gängigen Annahmen von Gauß-Prozessen verletzt und somit eine Neubewertung der Art und Weise erforderlich macht, wie räumlich variierende Gene charakterisiert und kategorisiert werden.
Das Papier stellt Kompot vor, ein clusterfreies statistisches Framework, das durch die Modellierung von Zelldichte und Genexpression als kontinuierliche Funktionen eine vergleichende Analyse von Multi-Condition-Daten auf Einzelzellauflösung ermöglicht, um sowohl differenzielle Abundanz als auch lokalisierte, heterogene transkriptionelle Veränderungen ohne die Abhängigkeit von vordefinierten Zelltypen zu detektieren.
Diese Studie nutzt einen vielschichtigen bioinformatischen Ansatz, um die robuste, geschlechtsspezifische transkriptionelle Signatur der menschlichen Skelettmuskulatur als Reaktion auf wiederholtes Zittern zu charakterisieren, wobei aufgezeigt wird, wie diese molekularen Anpassungen mit der Kälteakklimatisation abnehmen, und neue mechanistische Einblicke in eine verbesserte metabolische Gesundheit bietet.
Diese Studie integriert experimentelle biophysikalische Analysen und computergestützte Simulationen, um die pH-abhängige strukturelle Dynamik und konformative Plastizität der Dengue-Virus-NS2B-NS3-Protease zu charakterisieren, was entscheidende Einblice für das rationale Design von pH-spezifischen antiviralen Inhibitoren liefert.
CoTRA ist ein Open-Source-, modulares R/Shiny-Framework, das transparente und reproduzierbare Workflows sowohl für die Bulk- als auch für die Single-Cell-RNA-Sequenzanalyse vereinheitlicht und dabei umfangreiche Funktionalität, plattformübergreifende Kompatibilität sowie eine validierte Leistung bietet, die mit bestehenden Tools vergleichbar oder diesen überlegen ist.