💻 Category

bioinformatics

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.

💻 Bioinformatik

A geometric-to-neural cascade for cerebral microbleed detection in susceptibility-weighted MRI

Dieses Paper präsentiert eine vollautomatisierte, dreistufige geometrisch-neuronale Kaskaden-Pipeline, die eine subjektadaptive, unüberwachte Kandidatengenerierung mit zwei leichtgewichtigen 3D-ResNet-Klassifikatoren kombiniert, die mit minimalen Human-in-the-Loop-Labels trainiert wurden, um eine hochgenaue Detektion von zerebralen Mikroblutungen in suszeptibilitätsgewichteten MRT-Aufnahmen zu erreichen und gleichzeitig die Anzahl der falsch-positiven Ergebnisse durch vaskuläre und nicht-vaskuläre Mimetika signifikant zu reduzieren.

Bogdanov, S., Rudravaram, G., Saunders, A. M., Kim, M. E., LeFevre, J., Charles, J., Jain, S., Schrag, M. S., Landman, B (…)2026-07-28
💻 Bioinformatik

Spaceland: Histology-Guided Reconstruction of High-Resolution Whole-Organ 3D Molecular Atlases from Sparse Spatial Transcriptomics

Spaceland ist ein morphologiegestütztes computergestütztes Framework, das kontinuierliche, hochauflösende 3D-Molekulatlanten ganzer Organe rekonstruiert, indem es spärliche räumliche Transkriptomik mit serieller H&E-Histologie integriert und somit eine skalierbare virtuelle Gewebemodellierung ohne die Notwendigkeit einer erschöpfenden experimentellen Probenahme ermöglicht.

Xu, F., Zhuang, Z., Zhu, Y., Ying, B., Hou, N., Lin, W., Wang, L., Yang, C., song, j.2026-07-27
💻 Bioinformatik

Estimation of biological age using HRV data: comparison of the Klemera-Dubal method with the multiple linear regression method

Diese Studie vergleicht die multiple lineare Regression (MLR), die bias-korrigierte MLR und die Klemera-Doubal-Methode (KDM) zur Schätzung des biologischen Alters aus Herzratenvariabilitätsdaten bei 343 Probanden und stellt fest, dass KDM den geringsten Schätzfehler liefert, während die bias-korrigierte MLR eine verbesserte Genauigkeit gegenüber der unkorrigierten MLR bietet, jedoch durch ihre Abhängigkeit vom chronologischen Alter begrenzt ist.

Pysaruk, A.2026-07-27
💻 Bioinformatik

GPSNorm: Gaussian Process Spatial Normalization for Spatial Transcriptomics

GPSNorm ist ein neuartiges bayessches räumliches Normalisierungsframework, das technische Variation, räumliche Struktur und biologisches Signal mittels eines hierarchischen Gauß-Prozess-Ansatzes gemeinsam modelliert, um die Normalisierungunsicherheit in die nachgeschaltete differenzielle Expressionsanalyse zu propagieren und dadurch die Robustheit sowie Interpretierbarkeit von räumlichen Transkriptomikdaten zu verbessern.

Taychameekiatchai, A., Zhan, X., Xiao, G., Ruan, P.2026-07-27
💻 Bioinformatik

deepthought: the microscopy acquisition stack as an object of study

Dieses Paper präsentiert „deepthought“, einen modularen Stack zur Mikroskopie-Akquisition, der gängige Komponenten wie den Gerätezugriff und die Speicherung standardisiert, während er anwendungsspezifische Interpretations- und Zielsteuerungslogik isoliert und somit eine autonome, Analyse-im-Regelkreis-gestützte Bildgebung über diverse biologische Szenarien hinweg ermöglicht, wie etwa das Hochdurchsatz-Screening und die Langzeitverfolgung lebender Zellen.

Kesavan, P. S., Devadasan, S., Bohra, D.2026-07-26
💻 Bioinformatik

Phenotype-driven de novo molecular design from gene expression signatures

Das Paper stellt Tx2Mol vor, ein Transkriptom-gestütztes Framework, das Genexpressionssignaturen in chemisch plausible und biologisch relevante De-novo-Moleküle übersetzt und dabei eine überlegene Leistung gegenüber bestehenden Baselines bei der Erhaltung phänotypischer Antworten über Bulk-, Einzelzell- und patientenabgeleitete Krankheitskontexte hinweg demonstriert.

Xu, Y., Kuang, T., Ge, S., Wu, H., Wang, M., Xu, H., An, F., Ma, Z., Cheng, Q., Ren, Z.2026-07-25