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 spatialMET vor, ein Open-Source-, skalierbares Framework, das einen End-to-End-Workflow für die räumliche Metabolomik-Analyse bereitstellt – einschließlich Vorverarbeitung, Domänendetektion und statistischer Tests – während es gleichzeitig die Einschränkungen bestehender Werkzeuge durch Hochleistungsrechenkapazitäten und eine reproduzierbare Docker-Bereitstellung überwindet.
Dieses Paper führt einen geschichteten Benchmark aus 1.047 Fällen seltener Krankheiten ein, der darauf ausgelegt ist, die Zirkularität in der Gen-Priorisierungs-Evaluierung zu messen und zu mildern, indem er Überschneidungen der Annotationen mit der Quellliteratur markiert, zusammen mit einem versionsgebundenen Rezept für die Konstruktion eines hybriden Retrieval-Index über 2,25 Millionen PMC Open Access-Artikeln.
Dieses Paper führt das Bravais-Lattice-Sampling (BLS) ein, einen geometrie-gesteuerten, zweiphasigen Algorithmus, der effizient zusammenhängende Regionen hoher Dichte in diskretisierten 3D-Räumen detektiert, indem er erschöpfende Raster-Scans durch spärliche Gitterabtastungen und gezielte Expansion ersetzt und dabei eine Recall von 100 % bei Rechenkosten erreicht, die mit bestehenden Methoden vergleichbar oder sogar niedriger sind.
Dieses Paper stellt MiraProt vor, eine modulare und metadatenbewusste R-Shiny-Plattform für die interaktive Downstream-Proteomik-Analyse, und demonstriert deren Nutzen durch die Reanalyse von Müller-Zell-Proteomen von Pferden mit equiner rezidivierender Uveitis, um eine interferon-responsive, zellzyklusassoziierte und MHC-Klasse-II-assoziierte Proteinsignatur aufzudecken.
Die Autoren entwickelten Mural-VISTA, einen semiautomatisierten Python-Workflow zur 3D-Analyse von Mural-Zell-Gefäß-Interaktionen und multiskaligen topo-morphologischen Metriken, der zelltypspezifische strukturelle Veränderungen bei Perizyten und vaskulären glatten Muskelzellen aufzeigte, die durch eine veränderte RhoA-Aktivität getrieben wurden.
EXTRARTNAS ist ein reproduzierbares, Docker-basiertes Java-Framework, das die Extraktion von RNA-Strukturannotationen unter Verwendung mehrerer Tools automatisiert und deren heterogene Ausgaben in die BPSEQ- und das neue BPSEQE-Format standardisiert, um einen konsistenten Vergleich von kanonischen und nicht-kanonischen Interaktionen zu erleichtern.
Das Paper stellt dnoise vor, ein schnelles Open-Source-Rust-Tool, das den Speicherbedarf von Bruker timsTOF-Nativdaten signifikant reduziert, indem es redundante Punkte entfernt und dabei die analytische Genauigkeit sowohl in DDA- als auch in DIA-Workflows bewahrt.
Diese Arbeit präsentiert MetaDome 2027, eine umfassend aktualisierte Ressource, die Evidenzen für Missense-Varianten über homologe menschliche Proteindomänen mit GRCh38-Unterstützung aggregiert, wodurch die Domänenabdeckung signifikant erweitert und entscheidende pathogene Evidenzen zur Reklassifizierung von Varianten unklarer Signifikanz in der klinischen Genetik bereitgestellt werden.
scPyviewer ist ein Python-nativer, webbasierter interaktiver Viewer, der es Nicht-Programmierern ermöglicht, AnnData-Einzelzell-Datensätze direkt ohne Seurat-Konvertierung zu explorieren, wobei er eine Funktionsparität mit bestehenden R-Shiny-Tools bietet und gleichzeitig eine überlegene Rendering-Geschwindigkeit, einen geringeren Speicherverbrauch sowie die Fähigkeit demonstriert, große Datensätze zu verarbeiten, an denen R-basierte Alternativen scheitern.
Das Paper stellt C-PLANK vor, ein auf zellulären Chemoproteomik-Daten trainiertes Deep-Learning-Framework, das bestehende Modelle bei der Vorhersage von Fragment-Protein-Interaktionen übertrifft und durch die Integration von physikochemischen Embeddings mit einer systembiologischen Plausibilitätsmetrik erfolgreich einen neuartigen SIRT3-Agonisten identifiziert hat.