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.
Diese Arbeit zeigt, dass das cross-modale Pretraining eines Single-Cell-Foundation-Modells mit Proteomik-Daten überlegene Gen- und Zell-Repräsentationen sowie eine bessere Generalisierung liefert als die bloße Skalierung von RNA-basierten Modellen, was den Wert des multimodalen Trainings gegenüber der reinen Parameter-Skalierung hervorhebt.
Dieses Paper stellt „sigRecon“ vor, ein umfassendes Benchmarking-Framework und ein Open-Source-R-Paket, das Methoden zur Vorhersage von Perturbationssignaturen über diverse biologische Kontexte hinweg systematisch evaluiert, wobei aufzeigt, dass Projektions- und netzwerkbasierte Ansätze oft komplexe Deep-Learning-Modelle erreichen oder sogar übertreffen, während gleichzeitig entscheidende Faktoren beeinflussen werden, die die kontextübergreifende Generalisierung beeinflussen.
Cell-Hub ist eine kostenlose, quelloffene, Docker-basierte grafische Benutzeroberfläche, die auf R/Shiny basiert und die End-to-End-Analyse von Einzelzell-RNA-Sequenzierung durch die Integration fortschrittlicher Werkzeuge wie Seurat 5, CellChat 2 und Monocle 3 in eine einheitliche No-Code-Plattform für Forscher aller computergestützten Hintergründe demokratisiert.
Diese Studie zeigt, dass die Verwendung von IUPAC-Konsensus-Referenzen mit dem Ambiguitäts-bewussten Aligner novoAlign die Detektion von Varianten in Short-Reads in klinisch anspruchsvollen Genomregionen im Vergleich zu Standard-Linear-Referenzen signifikant verbessert, während gleichzeitig das Open-Source-Framework BurdenBench eingeführt wird, um die spezifischen Präzisions-Recall-Abwägungen und den klinischen Nettonutzen der Varianten-Caller besser zu bewerten.
Das Papier stellt „disize“ vor, eine neuartige RNA-Seq-Normalisierungsmethode, die Informationen aus dem Versuchsdesign durch ein modifiziertes verallgemeinertes lineares gemischtes Modell nutzt, um Größenfaktoren genauer zu schätzen und die nachgeschaltete differenzielle Expressionsanalyse zu verbessern, insbesondere in anspruchsvollen Szenarien mit weit verbreiteten Expressionsänderungen.
RapidMACS ist eine Open-Source-, byte-identische Alternative zu MACS3 für das Narrow Peak Calling, die durch algorithmische Optimierungen wie Parallelverarbeitung und In-Memory-Handhabung eine 3,5- bis 51-fache Geschwindigkeitssteigerung erreicht und somit eine nahtlose Integration in Hochdurchsatz-Pipelines ermöglicht, ohne eine Python-Laufzeitumgebung zu erfordern.
Diese Studie vergleicht vier große Sprachmodelle bei der Generierung von Phänotyp-Genotyp-Assoziationen und stellt fest, dass sie zwar ein beträchtliches Volumen an Kandidaten mit moderater bis starker externer Validierungsunterstützung produzieren können, ihre Genauigkeit jedoch je nach Assoziationstyp und Modell erheblich variiert, was die kritische Notwendigkeit strenger Validierungspipelines unterstreicht.
Dieses Paper stellt die AutoMated Alignment and Projection (AMAP)-Pipeline vor, um das Human Reference Atlas-Ökosystem durch die Ermöglichung von Cross-Atlas-Datenprojektion und automatisierter Bulk-Registrierung von Gewebeproben zu skalieren, wodurch manuelle Ressourcenbeschränkungen überwunden und die Konstruktion detaillierter, multi-organer Referenzkarten erleichtert werden.
Das Paper stellt MeSyTo vor, ein Open-Source-, ontologiegesteuertes Framework, das Metadaten für toxikologische Omics-Studien harmonisiert, indem es diverse Berichtsstandards semantisch abgleicht, um eine konsistente Annotation, automatisierte Validierung und interoperablen Datenaustausch über Transkriptomik, Proteomik und Metabolomik hinweg zu ermöglichen.
Diese Studie integriert transkriptomische Datensätze des Wirts und Small-RNA-Datensätze des Vektors, um eine eng synchronisierte tripartite molekulare Kommunikation zwischen der antiviralen Immunität der Tomate, der Akkumulation von Begomovirus-siRNA und dem Small-RNA-Remodeling von *Bemisia tabaci* aufzudecken, wobei spezifische kreuzreichweitenbasierte regulatorische Module als vielversprechende Ziele für dual wirkende RNA-Interferenz-Strategien zur Kontrolle der Virusübertragung identifiziert werden.