💻 Category

bioinformatics

1235 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.

Correlation Between Information Entropy and Functions of Gene Sequences in the Evolutionary Context: A New Way to Construct Gene Regulatory Networks from Sequence

Dieser Artikel schlägt ein neues, informationsbasiertes Vier-Schichten-Rahmenwerk vor, das Shannon-Entropie, evolutionäre Konservierung und DNA-Modell-Embeddings nutzt, um Genregulationsnetzwerke direkt aus DNA-Sequenzen zu konstruieren und dabei die Lücke zwischen nukleotidischer Informationsdichte und regulatorischer Netzwerklogik zu schließen.

Pan, L., Chen, M., Tanik, M.2026-04-07💻 bioinformatics

STDrug enables spatially informed personalized drug repurposing from spatial transcriptomics

Die Studie stellt STDrug vor, ein räumlich informiertes Rechenframework, das räumliche Transkriptomik mit graphenbasiertem Modellieren und multimodalem Lernen kombiniert, um patientenspezifische Arzneimittelrepurposing-Strategien zu ermöglichen und dabei die räumliche Gewebekontexte besser berücksichtigt als herkömmliche Einzelzell-Methoden.

Yang, Y., Unjitwattana, T., Zhou, S., Kadomoto, S., Yang, X., Chen, T., Karaaslanli, A., Du, Y., Zhang, W., Liang, H., Guo, X., Keller, E. T., Garmire, L. X.2026-04-07💻 bioinformatics

Representation Methods of Transcriptomics with Applications in Neuroimmune Biology

Die Studie zeigt, dass die Analyse von Ko-Expressionsnetzwerken im Vergleich zur herkömmlichen Differential-Expressionsanalyse ein aussagekräftigeres und parsimonischeres Modell für die funktionale Heterogenität von Mikroglia liefert, indem sie kontextabhängige molekulare Programme identifiziert, die über starre Zellidentitäten hinausgehen.

Abbasi, M., Ochoa Zermeno, S., Spendlove, M. D., Tashi, Z., Plaisier, C. L., Bartelle, B. B.2026-04-07💻 bioinformatics

Locat: Joint enrichment and depletion testing identifies localized marker genes in single-cell transcriptomics

Die Studie stellt Locat vor, ein Framework zur Identifizierung hochspezifischer lokalisierter Marker-Gene in Einzelzell-Transkriptomdaten durch die gemeinsame Prüfung von Anreicherung innerhalb kompakter Zellregionen und Erschöpfung außerhalb dieser Bereiche, was präzisere Zellpopulationen und vergleichbare biologische Muster über verschiedene experimentelle Bedingungen hinweg ermöglicht.

Lewis, W. R., Aizenbud, Y., Strino, F., Kluger, Y., Parisi, F.2026-04-07💻 bioinformatics

A Context-Aware Single-Cell Proteomics Analysis pipeline.

Die Studie stellt CASPA vor, eine vollständig automatisierte Pipeline für die Einzelzell-Proteomik, die durch kontextbewusste Annotation mittels großer Sprachmodelle, optimierte Batch-Korrektur und spezifische Qualitätskontrollen die Reproduzierbarkeit und Interpretierbarkeit von Zelltyp-Identifikationen in verschiedenen biologischen Kontexten verbessert.

Salomo Coll, C., Makar, A. N., Brenes, A. J., Inns, J., Trost, M., Rajan, N., Wilkinson, S., von Kriegsheim, A.2026-04-07💻 bioinformatics

FunctionaL Assigning Sequence Homing (FLASH) maps phenotype to sequence with deep and machine learning

Das paper stellt FLASH vor, ein neuartiges, interpretierbares Deep-Learning-Framework, das direkt auf Roh-Sequenzierungsdaten operiert und in über 35.000 mikrobiellen Isolaten Phänotypen mit hoher Genauigkeit vorhersagt, selbst bei bisher unbekannten Varianten und strukturellen Varianten, die mit herkömmlichen Methoden wie GWAS nicht erfassbar sind.

Cotter, D. J., Harrison, M.-C., Rustagi, A., Wang, P. L., Kokot, M., Carey, A. F., Deorowicz, S., Salzman, J.2026-04-07💻 bioinformatics

REBEL, Reproducible Environment Builder for Explicit Library resolution

REBEL ist ein Framework, das durch die Anwendung von Heuristiken zur expliziten Auflösung von Abhängigkeiten und die Archivierung in einem lokalen Speicher sowie die automatische Generierung von Docker-Images die langfristige Reproduzierbarkeit und FAIR-Konformität bioinformatischer Analysen auch für Nutzer ohne Containerisierungsexpertise sicherstellt.

Martelli, E., Ratto, M. L., Nuvolari, B., Arigoni, M., Tao, J., Micocci, F. M. A., Alessandri, L.2026-04-07💻 bioinformatics