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.
PrEditR ist ein quelloffenes, proteinzentriertes Werkzeug, das darauf ausgelegt ist, die Einschränkungen bestehender DNA-zentrierter sgRNA-Design-Software zu überwinden, indem es die hochdurchsatzfähige, massenspektrometrikompatible Generierung von Guide-RNAs für CRISPR-Baseneditor-Screens ermöglicht, die spezifische Protein-Post-Translations-Modifikationsstellen anvisieren.
BTEXgenie ist ein kuratiertes, benutzerfreundliches Werkzeug, das maßgeschneiderte Profil-Versteckte-Markov-Modelle nutzt, um im Vergleich zu bestehenden Datenbanken eine deutlich höhere Sensitivität bei der Detektion substratspezifischer Gene zu erreichen, die am aeroben und anaeroben BTEX-Abbau beteiligt sind, und gleichzeitig integrierte Pfad- und Genomvisualisierungen für umweltbezogene und vergleichende Genomstudien bereitstellt.
Diese Studie zeigt, dass TDP-43 die Gen-Transkription reguliert und langreichweitige Chromatin-Schleifenbildung fördert, indem es an DNA-G-Quadruplex-Strukturen an Chromatin-Schleifenankern bindet und diese stabilisiert, wodurch eine mechanistische Erklärung für die Gen-Dysregulation bei mit TDP-43-Funktionsstörung assoziierten Erkrankungen geliefert wird.
Diese Studie stellt ein domänenübergreifendes Deep-Learning-Framework vor, das rekurrenzbasierte latente Analysen und pathologische Fragmentierungsmetriken nutzt, um die räumliche Organisation und die Remodellierungsdynamik von Gewebereparatur im Vergleich zu Tumormikroumgebungen über heterogene menschliche Datensätze hinweg zu charakterisieren und zu vergleichen.
Dieser Beitrag stellt ein modulares bayessches Rahmenwerk vor, exemplifiziert durch die Plasmotrack-Software für *Plasmodium falciparum*, das gerichtete Übertragungsnetzwerke aus polyklonalen Infektionen rekonstruiert, indem es multiple genetische Quellen und nicht beobachtete Eltern berücksichtigt, um zentrale Public-Health-Metriken zu schätzen.
Dieser Artikel stellt rechnerische Protokolle und praktische Beispiele vor, um die Annotation viraler nicht-kodierender RNA zu automatisieren und R2DT-Daten programmatisch über dessen RESTful-API abzurufen, wobei R2DT genutzt wird, um umfassende Visualisierungen von 2D-Strukturen für die Integration in Bioinformatik- und Machine-Learning-Workflows zu generieren.
Die Arbeit stellt PXN vor, ein probabilistisches maschinelles Lernframework, das die plattformübergreifende Inkompatibilität in öffentlichen Genexpressionsdaten überwindet, indem es diverse Datensätze (einschließlich der Überbrückung von Microarray- und RNA-Sequenzierungstechnologien) nahtlos in eine einheitliche Darstellung übersetzt und dadurch die Genauigkeit und statistische Aussagekraft groß angelegter integrativer biologischer Analysen erheblich verbessert.
Die Autoren entwickelten TriCyP, ein auf Protein-Sprachmodellen basierendes Werkzeug, das funktionelle Zustände von Cysteinen (Disulfidbindungen, Metallkoordination und freie Thiole) aus vorhergesagten Strukturen präzise vorhersagt und dadurch einen katalogisierten Überblick über 2,7 Millionen Cysteine in ECOD-Domänen im gesamten Proteom ermöglicht, der eindeutige biologische Muster aufzeigt und neue Metallbindungs-Familien sowie potenzielle Protein-Protein-Interaktionen identifiziert.
Die Arbeit stellt Aiki-Sol vor, einen Vorhersagealgorithmus für die Proteinzulöslichkeit, der das Leistungsplateau bestehender Modelle überwindet, indem er Zentrifugationsregime als entscheidendes Merkmal und nicht als Rauschen explizit berücksichtigt und damit auf einem neu veröffentlichten, mit Stringenz annotierten E.-coli-Datensatz signifikante Genauigkeitsgewinne erzielt.
Diese Arbeit stellt einen kontextspezifischen Rahmen vor, der Stressantwort-Gen-Sets durch die Nutzung von Protein-Protein-Interaktionsnetzwerken validiert, die auf differentiell exprimierte Gene beschränkt sind, und zeigt, dass biologisch fundierte „Hauptantwort"-Gene über Temperaturbedingungen hinweg signifikant vernetzte Subnetzwerke bilden.