759 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.
Dieser Artikel schlägt einen kollisionsbewussten Momentschätzer vor, der eine präzise RNA-Seq-Quantifizierung mit kürzeren, nicht-eindeutigen UMIs ermöglicht und dadurch die Kosten für Sequenzierung und Synthese senkt, ohne biologische Erkenntnisse zu beeinträchtigen.
GlyComboCLI ist ein flexibles, quelloffenes Befehlszeilentool, das die Zuweisung von Glykanzusammensetzungen für Massenspektrometriedaten automatisiert und damit FAIR-konforme, skalierbare bioinformatische Workflows ermöglicht, die die manuelle Interpretation erheblich reduzieren und gleichzeitig reproduzierbare Ergebnisse sicherstellen.
Die Arbeit stellt geneML vor, ein schnelles und quelloffenes Deep-Learning-Tool, das die Genauigkeit, Sensitivität und biologische Vollständigkeit der Gen- und alternativen Transkriptvorhersage über diverse Pilzgenome hinweg im Vergleich zu bestehenden Methoden wie BRAKER3 und AUGUSTUS erheblich verbessert.
Das Papier stellt NMFBatch vor, ein einheitliches statistisches Framework, das diskrete Batch-Effekte und kontinuierliche Signal-Drift gleichzeitig korrigiert und dabei direkt fehlende Werte in der großmaßstäblichen und single-cell Massenspektrometrie-Proteomik berücksichtigt, wodurch im Vergleich zu bestehenden Methoden die biologische Struktur erhalten und der Informationsverlust reduziert wird.
ParaDISM ist eine Open-Source-Pipeline, die die Präzision der Short-Read-Ausrichtung und der Variantenerkennung in hochhomologen genomischen Regionen verbessert, indem sie multiple Sequenzalignments nutzt, um auflösende Positionen zu identifizieren und Referenzsequenzen iterativ zu verfeinern, wodurch im Vergleich zu Standard-Alignern Fehlalignments und falsche Variantenanrufe erheblich reduziert werden.
zFISHer ist eine Open-Source-Anwendung auf Basis von napari, die die 3D-Registrierung, Detektion und Kollokationsanalyse sequenzieller multiplexer FISH-Daten automatisiert und gleichzeitig interaktive Kuratierungswerkzeuge bereitstellt, um die arbeitsintensiven Engpässe der manuellen Analyse zu überwinden.
OmniCellAgent ist ein Multi-Agenten-KI-Framework, das autonom diverse Einzelzell-RNA-Sequenzierungsdatensätze mit biomedizinischem Vorwissen abruft und integriert, um evidenzbasierte Hypothesen zu generieren und die omiksgesteuerte wissenschaftliche Entdeckung für nicht-rechnerische Forscher zu beschleunigen.
Durch die Konstruktion phylogenetischer Bäume aus über 100.000 Influenza-Sequenzen schätzt diese Studie sitespezifische neutrale Mutationsraten und Fitnesswirkungen im gesamten viralen Proteom, deckt signifikante Variationen zwischen Mutationsarten sowie starke korrelierende Muster mit SARS-CoV-2 und HIV auf und stellt eine umfassende, interaktive Ressource zum Verständnis bereit, wie Mutation und Selektion die Influenza-Evolution in der Natur prägen.
Die Autoren entwickelten CharacTERT, ein maschinelles Lernwerkzeug, das Sequenz- und Strukturmerkmale integriert, um hTERT-Missense-Varianten, die mit Telomerbiologie-Störungen assoziiert sind, präzise zu klassifizieren, dabei bestehende Prädiktoren übertrifft und über einen frei zugänglichen Webserver ein umfassendes mutationalles Landschaftsbild bereitstellt.
Dieser Beitrag stellt Shiny AMMOA vor, eine benutzerfreundliche, interaktive R-Shiny-Plattform, die die integrative Multi-Omics-Analyse der murinen Alterung demokratisiert, indem sie experimentellen Forschern ermöglicht, aus vereinheitlichten transkriptomischen, proteomischen und metabolomischen Datensätzen Hypothesen zu explorieren, zu visualisieren und zu generieren, ohne fortgeschrittene rechnerische Fähigkeiten zu benötigen.