1012 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.
MorphoStat ist eine Open-Source-Python-Pipeline, die die Normalisierung, verteilungsbewusste statistische Tests und die Korrektur für multiples Testen von High-Content-Imaging-Daten automatisiert, um eine robuste morphologische Profilierungsanalyse zu erleichtern.
Das Paper stellt ROSEATE vor, ein neuartiges Framework, das durch die Nutzung von aus dem MSA Transformer abgeleiteten Struktursignaturen eines einzelnen, allgegenwärtigen Proteins, der Adenylatkinase, die optimalen Wachstumstemperaturen von Bakterien präzise vorhersagt und dadurch eine robuste, phylogenetisch generalisierbare sowie auf Gemeinschaftsebene funktionierende thermische Inferenz über diverse Umgebungen hinweg ermöglicht.
MetaHarmonizer ist ein robustes, vollständig lokales und deterministisches automatisiertes System zur Harmonisierung biomedizinischer Metadaten, das eine mehrstufige Kaskade mit kontrollierten Vokabularen kombiniert, um Halluzinationen und überhöhte Benchmark-Leistungen zu verhindern, wobei es eine State-of-the-Art-Genauigkeit bei der Schema- und Ontologie-Kartierung erreicht und gleichzeitig ein prinzipienbasiertes Human-in-the-Loop-Triage ermöglicht.
VLab4Mic ist eine Simulationsplattform, die die strukturelle Auflösbarkeit von Proteinassemblen über verschiedene Super-Resolution-Mikroskopie-Modalitäten hinweg vorhersagt, indem sie die Platzierung von Sonden und sterische Einschränkungen modelliert und Forschern somit ermöglicht, die experimentelle Machbarkeit vor der Durchführung physischer Experimente zu bewerten.
THEOBROMA ist eine offene Datenbank, die über 1,13 Millionen Naturstoffe aus 29 Quellen aggregiert und sich durch eine Lizenzprüfung pro Verbindung, ein dreistufiges Klassifizierungssystem sowie eine stereochemie-bewusste Dedupizierung auszeichnet, um lizenzkonformes virtuelles Screening und isomer-spezifische Bioaktivitätsanalysen zu ermöglichen.
Die Autoren präsentieren gemsparcl, ein hochskalierbares und effizientes Werkzeug, das über 5,6 Millionen bakterielle Genome in etwa 14 Stunden in 92.954 genomische kohäsive Einheiten auf Speziesebene clustert und damit computergestützte Engpässe überwindet, um eine umfassende, referenzfreie Analyse der prokaryotischen Diversität und Taxonomie zu ermöglichen.
Diese Studie zeigt, dass die biologische Bedeutung von Protein-Sprachmodell-Embeddings nicht fixiert, sondern auflösungsabhängig ist, wobei unterschiedliche Abrichtungsgrade an biologischen Hierarchien selektiv distinkte Organisationsbeziehungen wie Zugehörigkeitsgrenzen, funktionelle Gruppierungen oder lokale Familienstrukturen bewahren.
WitChi ist ein recheneffizientes Werkzeug, das empirische Chi-Quadrat-Tests verwendet, um kompositionell verzerrte Positionen aus groß angelegten phylogenomischen Alignments zu detektieren und iterativ zu entfernen, wodurch akkurate phylogenetische Topologien ohne die hohen Rechenkosten komplexer kompositionsbewusster Modelle wiederhergestellt werden.
Diese Studie zeigt, dass AlphaFold2 und ColabFold eine sehr geringe Falsch-Positiv-Rate bei der Vorhersage von Strukturen für Nicht-Protein-Sequenzen aufweisen, während sie gleichzeitig zufällig offenlegt, dass einige hoch bewertete Vorhersagen in nicht-kodierenden menschlichen Genomregionen mit bisher unannotierten Pseudogenen korrespondieren, was auf potenzielle Fehler in bestehenden Genannotationen hindeutet und die Nützlichkeit hoch bewerteter Strukturvorhersagen für weitere Untersuchungen validiert.
ADMETron ist eine KI-gestützte SaaS-Plattform, die RNN-basierte molekulare Embeddings mit Gradient Boosting Machines integriert, um 34 ADMET-Endpunkte vorherzusagen, und ein interaktives Radar-Graph-Visualisierungstool bietet, welches eine umfassende, hochdurchsatzfähige Priorisierung von Verbindungen sowie datengestützte Entscheidungsfindung in der Arzneimittelentdeckung ermöglicht.