760 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.
DeepTrio ist ein auf Deep Learning basiertes Werkzeug, das ohne explizite Vererbungspriors die Sequenzdaten von Eltern-Kind-Trios analysiert und dabei eine höhere Genauigkeit bei der Variantenentdeckung als DeepVariant erreicht, insbesondere bei niedrigeren Abdeckungstiefen und auf verschiedenen Sequenzierplattformen.
Diese Studie zeigt, dass die Optimierung der Gewichte in genomischen Vorhersagemodell-Ensembles für Mais, beispielsweise mittels linearer Transformation, Nelder-Mead oder Bayes-Verfahren, die Vorhersagegenauigkeit insbesondere dann verbessern kann, wenn die optimalen Gewichte stark von der einfachen Durchschnittsbildung abweichen, wobei jedoch keine der drei untersuchten Methoden eindeutig überlegen war.
Die Studie stellt das Generalised Pretrained Cytometry Transformer (GPCT) vor, ein interpretierbares Framework, das durch einen zytometriespezifischen Vorab-Trainingsprozess robuste und generalisierbare Vorhersagen auf Probenebene ermöglicht und gleichzeitig biologisch relevante Zellsubsets identifiziert.
Die Studie stellt DESPOT vor, ein anisotropes, wissensbasiertes Potenzial, das durch die Modellierung der bedingten Wahrscheinlichkeit von Liganden-Atomtypen an diskretisierten räumlichen Positionen um Proteinatome herum die Richtungsabhängigkeit molekularer Erkennung erfasst und damit die Leistung bei der Pose-Bewertung und virtuellen Screening-Aufgaben im Vergleich zu isotropen Methoden signifikant verbessert.
Die Arbeit stellt TRACE vor, einen leichten multimodalen Rahmen, der durch kontrastive Ausrichtung unvollkommener Strukturdaten stabilisiert und so die Vorhersage der TCR-Peptid-Bindung verbessert, indem sie zeigt, dass naive Fusion biologischer Modalitäten oft schädlich ist und eine gezielte Regularisierung für robuste Ergebnisse unerlässlich ist.
Die Studie stellt MAPPER vor, ein skalierbares multimodales Framework, das Proteomdaten und andere Zellantworten nutzt, um in Escherichia coli den Wirkmechanismus von Antibiotika präzise vorherzusagen und Verbindungen mit neuartigen Mechanismen zu identifizieren.
Die Studie stellt EMITS vor, ein auf dem Expectation-Maximization-Algorithmus basierendes Rust-Tool, das die Genauigkeit der Artenhäufigkeitsschätzung in Pilz-ITS-Communities aus Langlese-Sequenzierungsdaten durch die iterative Auflösung von mehrdeutigen Zuordnungen und die Konsolidierung redundanter Datenbank-Einträge signifikant verbessert.
Diese Studie zeigt, dass bei der Klassifizierung von SARS-CoV-2-Varianten unter extremen Klassenungleichgewichten klassische Machine-Learning-Modelle mit TF-IDF-basierten k-Mer-Features und ein hybrider RF-SVM-Ansatz Deep-Learning-Methoden übertreffen und eine robuste, interpretierbare Lösung für die Erkennung seltener Varianten bieten.
Diese Studie zeigt, dass SNP-Heritabilitätsschätzungen stark von der gewählten Methodik abhängen, ihre Variation jedoch nur einen vernachlässigbaren Einfluss auf die nachgelagerte Leistung von polygenen Risikoscores hat.
Die Autoren stellen ein neues mathematisches Modell vor, das mithilfe von Intensitäts-Dosis-Bioassays die Heterogenität der Insektizidresistenz in Moskitopopulationen erfasst und so eine genauere Vorhersage der Wirksamkeit von Insektizid-behandelten Netzen in Afrika ermöglicht.