💻 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

pyfraglib: An integrated cfDNA fragmentomics platform

Das Papier stellt pyfraglib vor, eine umfassende Python-basierte Plattform, die die Extraktion von cfDNA-Fragmenten, statistische Modellierung, vergleichende Analysen auf Kohortenebene und In-silico-Simulationen integriert, um End-to-End-Fragmentomik-Workflows zu ermöglichen, welche sowohl an simulierten Daten als auch an realen Proben von zentralnervösen Lymphomen erfolgreich validiert wurden, um prognostische Subgruppen zu identifizieren.

Schuette, D., Godfrey, L. K., Schneider, J., Borchmann, S., Heger, J.-M., Schwarz, R. F.2026-07-24
💻 Bioinformatik

A new automated pipeline for whole genome shotgun sequencing analysis and hazard characterization of microbial pesticides

Dieses Paper präsentiert eine öffentlich zugängliche, webbasierte automatisierte Pipeline, die Ganzgenomsequenzierungsdaten mit umfassenden Werkzeugen zur Gefahrencharakterisierung integriert, um einen transparenten, reproduzierbaren und regelbasierten Risikobewertungs-Workflow für mikrobielle Pestizide bereitzustellen, was signifikante Verbesserungen gegenüber bestehenden regulatorischen Methoden bietet.

Saraiva, J. P., Lupo, V., Cerqueira, F., Makri, S., Vasileiadis, S., Guijarro, B., Bartholomaus, A., Papagiannitsis, C. (…)2026-07-24
💻 Bioinformatik

Statistical tests for bivariate spatial association across multi-omics data with disjoint coordinates

Dieses Paper stellt das R-Paket `sbivar` vor, welches eine Suite modifizierter statistischer Tests und Varianzschätzer bereitstellt, um bivariate räumliche Assoziationen zwischen Multi-Omics-Modalitäten mit disjunkten Koordinaten unter angemessener Berücksichtigung von räumlicher Autokorrelation und hochdimensionalen computergestützten Herausforderungen rigoros zu bewerten.

Hawinkel, S., Hu, W., Velten, B., Maere, S.2026-07-23
💻 Bioinformatik

An openly licensed benchmark and per-gene calibration map for missense pathogenicity predictors on activating cancer drivers

Diese Studie zeigt auf, dass aktuelle Prädiktoren für die Pathogenität von Missense-Mutationen, die primär auf Funktionsverlust-Varianten trainiert wurden, aktivierende Krebs-Treiber aufgrund ihrer distinkten strukturellen und evolutionären Merkmale systematisch unterbewerten, was die Autoren dazu veranlasst, eine unter einer Open-Source-Lizenz stehende Benchmark, gen-spezifische Kalibrierungskarten sowie ein rekallibriertes Framework (OncoCal) bereitzustellen, um die Interpretation somatischer Varianten zu verbessern.

Lee, S.-G.2026-07-23
💻 Bioinformatik

Hobrac: a reference-guided workflow for genome comparison and synteny visualization

Hobra ist ein automatisierter, frei verfügbarer Workflow, der den Vergleich ganzer Genome und die Syntenie-Visualisierung durch die Integration einer automatisierten Referenzgenom-Auswahl mit einer genbasierten Strukturanalyse optimiert, um Herausforderungen bei der Assemblierungsvalidierung und in Evolutionsstudien zu bewältigen.

Istace, B., Denoeud, F., Teodori, E., Chorba, N., Aury, J.-M.2026-07-23
💻 Bioinformatik

PepCL: A replay-based continual learning framework for updating peptide-MHC models

Das Paper stellt PepCL vor, ein Replay-basiertes Continual-Learning-Framework, das mit einem neuen State-of-the-Art-Modell namens MHCPrime gepaart ist, welches es Peptid-MHC-Prädiktoren ermöglicht, neue experimentelle Assay-Daten zu integrieren und gleichzeitig vorheriges Massenspektrometrie-Wissen zu bewahren, um katastrophales Vergessen zu überwinden und die Vorhersageleistung über diverse biologische Kontexte hinweg zu verbessern.

Chati, P. M., Lashkari, V. D., Salhotra, A., Bruno, P. M., Ntranos, V.2026-07-21
💻 Bioinformatik

Extended t-cores for the de novo identification of transposable elements and other inexact repeats from short read RNAseq data

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.

Darmon, S., Mary, A., Lacroix, V.2026-07-20
💻 Bioinformatik

Systematic evaluation and benchmarking of text summarization methods for biomedical literature: From word-frequency methods to language models

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.

Baumgärtel, F., Bono, E., Fillinger, L., Galou, L., Keska-Izworska, K., Walter, S., Andorfer, P., Kratochwill, K., Perc (…)2026-07-16
💻 Bioinformatik

FUSED: A Functional Representation for Joint Structural and Elemental Analysis of Protein Ligand Binding Sites

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.

Priyankara, T. M. S., Ellingson, L.2026-07-16