1242 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.
Die Studie stellt BulkMonSTR vor, ein computergestütztes Framework, das durch die Kombination von STR-spezifischer Fehlermodellierung und maschinellem Lernen somatische Mosaikmutationen an kurzen Tandemwiederholungen (STRs) aus Bulk-Sequenzierungsdaten präzise identifiziert und damit bestehende Methoden hinsichtlich Genauigkeit und Detektionsbreite übertrifft.
Das Papier stellt Odon vor, einen in Rust entwickelten, hochperformanten Desktop-Viewer, der dank seiner GPU-basierten Rendering-Engine und des OME-Zarr-Formats eine ultraschnelle, interaktive Visualisierung großer multiplexierter räumlicher Proteomik-Datensätze auf Standardlaptops ermöglicht.
Die Studie stellt ein skalierbares, erklärbares und dateneffizientes Framework vor, das durch Feinabstimmung von Protein-Sprachmodellen die Bindungsaffinität von Proteinen ausschließlich aus der Sequenz vorhersagt und dabei sowohl in der Genauigkeit als auch in der Generalisierungsfähigkeit strukturbasierte Methoden übertrifft.
Diese Studie stellt eine umfassende, transkriptom-basierte Methode vor, die mithilfe von Spearman-Korrelation und TabPFN-Modellen die Übereinstimmung von Nierenzelllinien mit ihren natürlichen Zelltypen validiert, um die Auswahl und Interpretation von In-vitro-Modellen in der Nephrologie zu verbessern.
Die Ergebnisse des IMMREP25-Wettbewerbs zeigen, dass durch den Einsatz struktureller Modellierung die Vorhersage der Bindung von T-Zell-Rezeptoren an bisher unbekannte Peptide erstmals signifikant über das Zufallsniveau hinaus verbessert werden konnte.
Die Studie stellt scRitmo vor, ein probabilistisches Framework, das aus Einzelzell-Transkriptomdaten circadiane Phasen ableitet und durch Trennung biologischer Desynchronisation von technischem Rauschen eine präzise Quantifizierung der zellulären Synchronität ermöglicht.
Diese Studie stellt eine integrierte rechnerische und experimentelle Strategie vor, die durch einen konsensbasierten virtuellen Screening-Ansatz drei chemisch unterschiedliche GLP-1R-Agonisten identifiziert und dabei insbesondere das Pentapeptid DPDPE als vielversprechenden Leitstrukturen für die Entwicklung neuer Therapeutika gegen Diabetes und Adipositas hervorhebt.
Die Studie zeigt, dass die Verwendung des menschlichen Pangenom-Referenzgraphen die Erkennung somatischer Mutationen im Vergleich zu linearen Referenzgenomen verbessert, insbesondere bei Personen ostasiatischer Abstammung, wodurch ancestry-bedingte Verzerrungen verringert und die Notwendigkeit rechenintensiver Ensemble-Ansätze gemindert werden.
Das Paper stellt itBins vor, eine vollautomatische, ultraschnelle Python-Software zur präzisen Verfeinerung von metagenomischen Bins und zur Abschätzung des Binning-Erfolgs, die in Tests sowohl gegenüber anderen automatisierten Tools als auch im Vergleich zur manuellen Verfeinerung überlegene Ergebnisse bei deutlich kürzerer Rechenzeit lieferte.
Die Studie stellt ECLIPSE vor, ein computergestütztes Netzwerk-Framework, das durch die Einbettung von Proteomen in den Protein-Universe-Atlas systematisch bisher uncharakterisierte „dunkle" Proteinfamilien in ESKAPE-Pathogenen identifiziert und priorisiert, um neue molekulare Angriffspunkte für die Bekämpfung von Antibiotikaresistenzen zu erschließen.