💻 Category

bioinformatics

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.

💻 bioinformatics

Towards reconstruction of the human interactome from positive and negative experimental evidence

Diese Arbeit präsentiert eine Methodik zur Rekonstruktion des experimentellen Suchraums von Protein-Protein-Interaktions-Screens (PPI), um wahrscheinliche nicht-interagierende Proteinpaare zu inferieren und dadurch eine bessere Fehlerratenschätzung, Modellkalibrierung sowie ein verbessertes maschinelles Lernen für eine genauere und vollständigere Kartierung des menschlichen Interaktoms zu ermöglichen.

As, J., Pelz, K., Bernett, J., Battini, F., List, M., Blumenthal, D. B., Schaefer, M. H.2026-09-13
💻 bioinformatics

Inverse FoldDir: Structure-conditioned Protein Sequence Design by Dirichlet Flow Matching

Das Papier stellt Inverse FoldDir vor, eine steuerbare Inverse-Folding-Methode auf Basis von Dirichlet-Flow-Matching, die durch iteratives Denoising auf dem Aminosäure-Wahrscheinlichkeitssimplex diverse, experimentell validierte Proteinsequenzen mit benutzerdefinierten Einschränkungen erzeugt und dabei State-of-the-Art-Metriken für die strukturelle Rekonstruktion sowie ein erfolgreiches funktionales Redesign eines Anti-GFP-Nanobody-Antikörpers erreicht.

TARTICI, A., Stojkovic, M., Tian, A., Jewett, M. C., Altman, R. B., Wittmann, B. J.2026-09-11✓ Author reviewed ⓘ
💻 bioinformatics

Perturbation-Aware Neural ODE (pNODE) Learns Microbiome Dynamics from Clinical Data and Predicts Gut-Borne Bloodstream Infections in Patients Receiving Cancer Treatment

Diese Studie stellt das störungsbewusste Neural ODE (pNODE)-Framework vor, welches traditionelle Modelle übertrifft, indem es die Dynamik des Darmmikrobioms präzise prognostiziert und darmbedingte Blutstrominfektionen bei Krebspatienten unter Allogenauswahl-hämatopoetischer Zelltransplantation durch die Integration von mikrobiellen Abundanzen und zeitaufgelösten Antibiotika-Störungen vorhersagt.

Stamper, I. C., Aeria, B., Xavier, J.2026-09-10
💻 bioinformatics

Systematic benchmarking of small variant calling pipelines for long-read RNA sequencing data

Diese Studie benchmarkt systematisch Pipelines für das Variant Calling kleiner Varianten und das Haplotype Phasing für die Long-Read-RNA-Sequenzierung über diverse Datensätze und Technologien hinweg und zeigt auf, dass die Sequenzierqualität der primäre Leistungsdeterminant ist, während sie gleichzeitig Clair3-RNA, DeepVariant und longcallR als Top-Caller sowie WhatsHap oder HapCUT2 als optimale Phasing-Tools in Abhängigkeit vom spezifischen Kontext identifiziert.

Wang, J., Robinson, M. D.2026-09-10
💻 bioinformatics

Classical baselines outperform released deep-learning ITS classifiers, which collapse on ITS2 where predictions follow the flanking regions

Diese Studie zeigt, dass Deep-Learning-Klassifikatoren für pilzliche ITS-Sequenzen zwar eine hohe Genauigkeit bei vollständigen Referenzen erreichen, jedoch bei der häufig verwendeten ITS2-Subregion dramatisch versagen, da sie sich auf die flankierenden Regionen anstatt auf das Barcoding selbst verlassen, was dazu führt, dass klassische Baseline-Methoden in realistischen Szenarien des Umwelt-Metabarcodings die Klassifikatoren signifikant übertreffen.

O'Brien, A., Gardette, A., Marin, C., Parada, P.2026-09-10
💻 bioinformatics

Reference-guided pseudotime inference across species and biological contexts

Das Paper stellt Cavebear vor, ein Machine-Learning-Framework, das Referenz-scRNA-seq-Zeitreihendaten einer Spezies oder Bedingung nutzt, um die Pseudotime präzise zu inferieren und biologische Alterung oder Krankheitsverläufe in Abfragekontexten abzubilden, denen verlässliche zeitliche Labels fehlen.

Rittenhouse, N., Dannenfelser, R., Filippova, G. N., Yao, V., Deng, X., Disteche, C. M., Zhang, R.2026-09-10
💻 bioinformatics

Scaling Quantum Optimisation Beyond Hardware Limits for Real-World Scientific Workloads: Genome Assembly on Current Quantum Hardware

Diese Forschung demonstriert, dass das Hamiltonian Auto Decomposition Optimisation Framework (HADOF) die aktuellen NISQ-Hardwarebeschränkungen überwinden kann, um erfolgreich ein 7,1 Millionen Basenpaare umfassendes *Pseudomonas aeruginosa*-Genom auf echter Quantenhardware zu assemblieren, wobei eine Genomfraktion von 99,348 % erreicht und die Lebensfähigkeit skalierbarer Quantenoptimierung für groß angelegte wissenschaftliche Arbeitslasten bewiesen wird.

G Sankar, N., Miliotis, G., Caton, S.2026-09-09
💻 bioinformatics

Atlas-scale single-cell analysis beyond in-memory paradigm with scAtlasPy

scAtlasPy ist ein neuartiges, disk-basiertes Computing-Framework, das die Speicherbeschränkungen Standard-Workstations überwindet und eine hochauflösende Analyse massiver Single-Cell-Atlanten (z. B. 100 Millionen Zellen) mit signifikant geringerem Speicherverbrauch und höheren Verarbeitungsgeschwindigkeiten im Vergleich zu bestehenden State-of-the-Art-Plattformen ermöglicht.

Xu, H., Ye, Y., Zhang, S., Xie, R., Li, J., Lin, J., Hu, Y., Gao, L.2026-09-08
💻 bioinformatics

A shared functional organisation underlies vascular disease remodelling

Diese Studie identifiziert eine reproduzierbare, höherwertige „funktionelle Organisation“ bei Gefäßerkrankungen, die über individuelle Gen- oder Signalwegvariationen hinausgeht und offenbart, dass das kardiovaskuläre Remodelling über verschiedenste Zustände und Zelltypen hinweg durch ein koordiniertes, dynamisches Rebalancing von sechs konservierten biologischen Funktionen angetrieben wird.

Bradford, A., Bidula, S., Fabian, L., Warren, D.2026-09-08