760 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.
Das Paper stellt cellSight vor, einen automatisierten Workflow zur Analyse von Einzelzell-RNA-Sequenzierungsdaten, der durch die Standardisierung von Prozessen wie Clustering und Normalisierung die Reproduzierbarkeit erhöht, die manuelle Arbeitslast reduziert und so die Entdeckung neuer biologischer Erkenntnisse sowie klinische Anwendungen beschleunigt.
Das Paper stellt Cenote-Taker 3 vor, ein schnelles, präzises und quelloffenes Kommandozeilen-Tool zur Entdeckung von Virusgenomen und zur Annotation von Virogenen, das in Benchmarks andere Werkzeuge in puncto Geschwindigkeit und Genauigkeit übertrifft und sich hervorragend zur Analyse von Sequenzierungsdaten eignet.
Diese Studie stellt einen vollständig computergestützten End-to-End-Pipeline vor, der zur de novo-Entwicklung eines hochaffinen VHH-Nanokörpers (NbSpCas9-v1) führt, der spezifisch an die PI/RuvC-Schnittstelle von SpCas9 bindet und durch atomistische Validierung als stabiler, nicht-inhibierender distaler Binder für eine bivalente Hub-Architektur zur Verbesserung von CRISPR-Cas9-Systemen identifiziert wurde.
Diese Studie etabliert einen reproduzierbaren computergestützten Rahmen, der vier KI-Tools zur Entwicklung von BMPR1A-bindenden Peptiden für die Knorpelregeneration vergleicht und dabei ein PepMLM-Design als vielversprechendsten Kandidaten identifiziert.
Das Open-Source-Framework CBIcall ermöglicht die konsistente und reproduzierbare Variant-Calling-Analyse großer Sequenzierungs-Kohorten über heterogene Rechenumgebungen hinweg, indem es standardisierte Pipelines für WES, WGS und mitochondriale DNA über eine einzige YAML-Konfigurationsdatei steuert und validiert.
Die Studie stellt CoMPLip vor, eine trainingsfreie Methode, die die Strukturvorhersage von Membranproteinen durch das explizite Ko-Falten mit Lipidmolekülen im AlphaFold-3-Workflow verbessert und so eine realistischere Membranumgebung sowie präzisere Konformationsvorhersagen ermöglicht.
Das Paper stellt Deconomix, ein umfassendes Python-Toolkit mit grafischer Benutzeroberfläche, vor, das zur Entschlüsselung der zellulären Zusammensetzung, der zellspezifischen Genregulation und von Hintergrundbeiträgen in heterogenen Bulk-Transkriptomdaten dient.
Diese Arbeit stellt ein universelles maschinelles Lernmodell vor, das durch einen reduktionistischen Ansatz die Prinzipien nicht-kovalenter Wechselwirkungen zwischen Arzneimitteln und Rezeptoren erlernt, um damit die Lücke in der rationalen Wirkstoffentwicklung zu schließen und Vorhersagen für völlig neue chemische Substanzen zu ermöglichen.
FlashDeconv ermöglicht eine atlasweite, multi-resolutive räumliche Deconvolution von Visium HD-Daten durch strukturerhaltendes Sketching, das trotz Skalierung auf Millionen von Bins hohe Genauigkeit bewahrt und damit zuvor unentdeckte zelluläre Nischen in Mausdarm und menschlichem Darmkrebs aufdeckt.
Die Studie stellt Col-Ovo vor, ein smartphonebasiertes KI-System, das die schnelle und präzise Zählung von Aedes-Eiern aus Feldaufnahmen ermöglicht und damit einen kritischen Engpass in der Überwachung von Dengue-, Zika- und Chikungunya-Vektoren durch die Automatisierung des manuellen Zählprozesses beseitigt.