860 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.
Dieses Paper stellt eine vollständig de novo basierende Methode auf Grundlage von „extended t-cores“ innerhalb kompakter De-Bruijn-Graphen vor, um transponierbare Elemente und andere ungenaue Repeats effektiv direkt aus Short-Read-RNA-Seq-Daten zu identifizieren und zu unterscheiden, ohne dass ein Referenzgenom erforderlich ist.
Diese Arbeit benchmarkt 62 Textzusammenfassungsverfahren anhand von 1.000 biomedizinischen Abstracts und zeigt auf, dass allgemeine, mittelgroße Sprachmodelle sowohl statistische extraktive Methoden als auch spezialisierte oder an der Grenze skalierende Modelle bei der Erstellung präziser und semantisch kohärenter wissenschaftlicher Zusammenfassungen übertreffen.
Das Paper stellt FUSED vor, eine neuartige multivariate funktionale Repräsentation, die die strukturellen und elementaren Zusammensetzungsinformationen von Protein-Ligand-Bindungsstellen als kontinuierliche Funktionen der Distanz gemeinsam modelliert und zeigt, dass dieser Ansatz im Vergleich zu bestehenden Methoden eine kompakte, interpretierbare und wettbewerbsfähige Vorhersageleistung für die Ligandendiskriminierung und Bindungsstellenklassifizierung liefert.
Diese Studie verwendet ein integratives computergestütztes toxikologisches Framework, um zu demonstrieren, dass die Exposition gegenüber PFOS und PFHxS entzündliche Keratinozyten-Programme vorantreibt, die mit der Psoriasis-Pathologie konvergieren, wobei spezifische molekulare Effektoren und räumliche Nischen durch Multi-Omics-Integration und virtuelle Perturbation identifiziert werden.
Diese Studie präsentiert das computergestützte Design und die Validierung eines neuartigen Multi-Epitop-Impfstoffkandidaten, der auf drei bisher unerschlossene Virulenzproteine von *Mycobacterium tuberculosis* (EccB3, MycP und Polyketidsynthase) abzielt und durch eine umfassende Reverse-Vakzinologie-Pipeline eine starke strukturelle Stabilität, effektive TLR-Bindung sowie robuste Immunantworten nachweist.
Diese Studie zeigt, dass die Wahl des taxonomischen Profilers, der Referenzdatenbank und der Parametrisierung die Schätzungen der Alpha-Diversität sowie die statistischen Schlussfolgerungen in metagenomischen Analysen signifikant beeinflusst, was die kritische Notwendigkeit unterstreicht, dass Forscher Sensitivitätsanalysen durchführen, um robuste und zuverlässige wissenschaftliche Ergebnisse zu gewährleisten.
Dieses Paper führt verbesserte 3D-radiale Phyllotaxis-Trajektorien ein, spezifisch UPhy und FlexiPhy, die eine gleichmäßige Ausleserichtungsdichte erreichen und eine randomisierte Interleave-Anordnung nutzen, um Ringing-Artefakte signifikant zu reduzieren und die Robustheit der retrospektiven sequentiellen Binning-Verfahren in der dynamischen MRT zu verbessern.
SSUplex ist ein schnelles, Open-Source-basiertes Rust-Tool, das vollständige kleine Untereinheit-rRNA-Reads von beiden DNA-Strängen erkennt, extrahiert und nach ihrem Ursprung in fünf Kategorien (Bacteria, Archaea, Eukaryota, Mitochondria und Chloroplast) sortiert und somit eine hochgeschwindigkeitsfähige, speichereffiziente Alternative zu Metaxa2 für eDNA-Metabarcoding-Workflows bietet.
Das Paper stellt TEDlm vor, ein domänenzentriertes Protein-Sprachmodell, das auf strukturell definierten Domänensegmenten vortrainiert wurde und größere Full-Sequence-Modelle bei der Detektion von Fernhomologie sowie der Vorhersage molekularer Funktionen übertrifft, was zeigt, dass die Konzentration auf domänenspezifische Signale kompakte, strukturell informierte Repräsentationen liefert.
Die amR R-Package-Suite bietet ein umfassendes, interpretierbares Framework zur Vorhersage von Antibiotikaresistenzen in bakteriellen Pathogenen, indem sie multi-skalige genomische Merkmalsextraktion, maschinelles Modelltraining und interaktive Visualisierung integriert, um Mechanismen der artspezifischen und Multiresistenz aufzudecken.