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 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.
Die Forscher entwickelten mit MaxToki ein temporales KI-Modell, das auf fast einer Billion Gen-Token trainiert wurde, um Zellzustandsverläufe über die gesamte menschliche Lebensspanne vorherzusagen und experimentell verifizierte Zielmoleküle zur Beeinflussung altersbedingter Gene zu identifizieren.
Das Paper stellt emb2dis vor, ein neuartiges Deep-Learning-Tool, das Protein-Language-Modelle mit ResNets und dilatierten Faltungen kombiniert, um intrinsische Unordnung in Proteinen präzise vorherzusagen und dabei auf dem CAID3-Benchmark die Spitzenposition erreicht hat.
Die PhageExpressionAtlas ist die erste Bioinformatik-Ressource, die standardisierte, zeitlich aufgelöste Dual-RNA-Sequenzierungsdaten von Phagen-Infektionen speichert und analysiert, um gemeinsame und einzigartige Transkriptionsmuster in Phagen-Wirt-Interaktionen sowie die Dynamik von Abwehrmechanismen umfassend zu untersuchen.
Die Studie stellt VicMAG vor, ein Open-Source-Tool zur umfassenden Visualisierung zirkulärer metagenomischer Assemblierungen (cMAGs) aus Langread-Daten, das die Verteilung und den genomischen Kontext von Virulenz- und Antibiotikaresistenzgenen in komplexen mikrobiellen Gemeinschaften für die One-Health-Überwachung darstellt.
ProteoPy ist eine leichtgewichtige Python-Bibliothek, die auf der AnnData-Struktur basiert und quantitative Proteomik-Analysen durch integrierte Datenverarbeitung, eine Neuimplementierung des COPF-Algorithmus zur Proteoform-Inferenz sowie eine nahtlose Integration in das Scanpy- und Muon-Ökosystem für reproduzierbare Multi-Omics-Studien vereinfacht.
Diese Studie zeigt, dass Protein-Sprachmodelle in Kombination mit einfachen MLP-Klassifikatoren die Vorhersage von EC-Nummern für evolutionär entfernte Enzyme deutlich besser gelingt als mit dem etablierten BLAST-Verfahren, während größere Modellarchitekturen keine signifikanten Vorteile bieten.
Das Paper stellt Baktfold vor, ein ultrasensitives und taxon-unabhängiges Python-Tool zur strukturbasierten funktionellen Annotation von Proteinsequenzen im gesamten mikrobiellen Baum des Lebens, das im Vergleich zu bestehenden Methoden wie Bakta und Prokka eine deutlich höhere Abdeckungsrate, insbesondere bei hypothetischen Proteinen, erreicht.