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.
Diese Studie führt ein Deep-Learning-Modell ein, das individuelle topografische Hirnkarten erfolgreich in funktionelle Konnektome übersetzt und dadurch eine direkte Verbindung zwischen räumlicher Organisation und Netzwerkkonnektivität herstellt, um diverse Perspektiven der rsfMRI-Forschung zu vereinheitlichen.
Das Papier stellt eine aktualisierte Version der TRACEY-Ressource vor, die die Annotation von SNARE-Proteindomänen durch die Einbeziehung eines massiv erweiterten, nicht-redundanten Datensatzes von nahezu 19.000 kuratierten Sequenzen zur Generierung verbesserter HMM-Profile sowie einer neu gestalteten Weboberfläche für eine genauere Detektion divergenter und lineagespezifischer Paraloge signifikant verbessert.
Diese Studie zeigt, dass akutes Fasten kleine, systematische Verschiebungen in spezifischen epigenetischen Uhren induziert – insbesondere bei PC-basierten und SystemsAge-Varianten –, die durch die Umverteilung von Immunzellen getrieben werden, während auf Mortalität trainierte Uhren stabil bleiben, was hervorhebt, dass die Zuverlässigkeit der Uhren kontextabhängig ist und eine perturbationsspezifische Bewertung jenseits standardmäßiger ICC-Metriken erfordert.
Das Papier stellt CLASPP vor, ein vereinheitlichtes Modell zur Vorhersage vielfältiger posttranslationaler Modifikationen, das durch kontrastives Lernen, hierarchische Datenkuratierung und eine mehrstufige Trainingsstrategie die Herausforderungen des Datenungleichgewichts überwindet, um die Vorhersagegenauigkeit über verschiedene Organismen hinweg zu verbessern.
BacteReason ist ein feinabgestimmtes großes Sprachmodell, das die bakterielle Antibiotikaresistenz vorhersagt und mechanistische Begründungen liefert, indem es ein wissensbasiertes Lehrermodell nutzt, was zu einer signifikant verbesserten Vorhersagegenauigkeit gegenüber Baseline-Ansätzen führt.
Das Papier stellt GLOF vor, einen groß angelegten, durch Experten kuratierten Benchmark-Datensatz, der über 112.000 Missense-Varianten in nahezu 3.000 menschlichen Genen umfasst und Varianten als Gain-of-Function, Loss-of-Function oder neutral klassifiziert, um die Entwicklung und Evaluierung computergestützter Methoden zur Vorhersage von Variantenmechanismen zu erleichtern.
VelocityFM ist ein neuartiger Prädiktor für Proteintrajektorien mit kurzem Horizont, der Rectified Flow Matching im Geschwindigkeitsraum nutzt, um geometrisch valide, kollisionsfreie und faltungserhaltende dynamische Konformationen für ungesehene Proteine zu generieren und dabei eine hohe strukturelle Genauigkeit mit einem medianen TM-Score von 0,929 erreicht.
Das Paper stellt GLEAM vor, ein webbasiertes, codefreies Software-Toolkit, das auf der Galaxy-Workbench aufgebaut ist und es biomedizinischen Forschern ermöglicht, unter Einhaltung von Best Practices rigorose, reproduzierbare und zugängliche überwachte maschinelle Lernanalysen über verschiedene Datentypen hinweg durchzuführen.
Dieses Paper präsentiert eine skalierbare, GPU-beschleunigte Methode zur Pangenom-Konstruktion, die Embeddings von Protein-Sprachmodellen und fortgeschrittenes Clustering nutzt, um bestehende Werkzeuge wie SCARAP bei der Generierung funktionell kohärenter und spezifischer Proteinkluster, insbesondere auf experimentell validierten Datensätzen, zu übertreffen.
Ontologizer 3 ist eine frei verfügbare, plattformübergreifende Desktop-Anwendung, die die Genontologie-Anreicherungsanalyse erleichtert, indem sie sowohl frequentistische als auch Bayes'sche Methoden anbietet, wobei letztere durch die Berücksichtigung hierarchischer Gensets-Überlappungen eine überlegene Präzision bei der Identifizierung kausaler Begriffe aufweisen.