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.
GTcomplex ist ein neuartiger, auf räumlicher Indexierung basierender Algorithmus, der eine präzise und effiziente ganzheitliche Ausrichtung makromolekularer Komplexe ermöglicht, indem er Kettenzuordnungen direkt aus optimalen globalen Superpositionen ableitet und dabei bestehende Methoden hinsichtlich Geschwindigkeit und Präzision über diverse strukturelle Datensätze hinweg übertrifft.
Diese Studie zeigt, dass eine kalibrierte Active-Learning-Strategie, die durch retrospektive Simulationen optimiert und in einer Closed-Loop-Screening-Kampagne gegen *Borrelia burgdorferi* validiert wurde, die experimentellen Trefferraten signifikant erhöht und das Training generalisierbarer maschineller Lernmodelle ermöglicht, die in der Lage sind, die antibiotische Aktivität für Out-of-Distribution-Verbindungen präzise vorherzusagen.
Dieses Paper stellt eine neuartige Methode zur Repräsentation sortierter k-Mere als virtuelle Super-k-Mer-Listen vor, die im sklib-Tool implementiert ist und einen hohen Durchsatz bei Mengenoperationen sowie einen signifikant reduzierten Speicherverbrauch im Vergleich zu bestehenden Tools wie KMC erreicht, während sie gleichzeitig eine wettbewerbsfähige Abfrageleistung beibehält.
Durch die Reanalyse öffentlicher Datensätze unter Anwendung strenger statistischer Kontrollen zur Erstellung eines hochkonfidenten menschlichen Methylierungsatlas von 1.828 Stellen entwickelten und validierten die Autoren ein auf Transfer Learning basierendes Deep-Learning-Modell (AHLF-Methylation), das die Detektion und Lokalisierung methylierter Peptide signifikant verbessert.
VirProtRAG ist ein Retrieval-Augmented-Generation-Framework, das die Annotation der Funktion viraler Proteine durch die Integration von hybrider Literaturrecherche und evidenzbasierterem Re-Ranking verbessert, um verifizierbare, hochwertige funktionale Erkenntnisse zu liefern und die bestehende Expertenkuratierung zu erweitern.
Das Papier stellt MSpangenome vor, ein genealogiebewusstes Framework, das Koaleszenzsimulationen und Pangenom-Graph-Konstruktion überbrückt, um realistische Populations-Pangenome mit bekannter evolutionärer Grundwahrheit zu generieren und somit ein rigoroses Benchmarking graphbasierter genomischer Werkzeuge zu ermöglichen.
Unter Verwendung des POInT-Tools zur Analyse von Genbaum-Diskordanzen liefert diese Studie Belege dafür, dass eine „späte“ Diploidisierung, die genetische Austauschprozesse nach der Allopolyploidie beinhaltete, in den Linien der Teleosteer, Paramecium und der Bäckerhefe stattfand, was die Ansicht infrage stellt, dass Diploidisierung immer ein schneller Prozess ist.
Das Papier stellt synpact vor, einen speichereffizienten und schnellen PacBio HiFi-Read-Mapper, der in Rust geschrieben wurde und eine Hierarchie aus lokal konsistenten Syncmer-Blöcken nutzt, um eine Genauigkeit zu erreichen, die mit State-of-the-Art-Tools wie minimap2 vergleichbar ist, während gleichzeitig der Spitzen-Speicherverbrauch signifikant reduziert und die Laufzeit bei großen oder repetitiven Genomen verbessert wird.
Diese Studie nutzt AlphaMissense, um Pathogenitätsmuster über die GLUT-Transporter-Familie hinweg abzubilden, wobei sie aufzeigt, dass Missense-Mutationen in Transmembrandomänen, porennahen Resten und der zentralen Kavität am schädlichsten sind, während Variationen in der Pathogenität innerhalb der Familie den Einfluss von funktioneller Redundanz und physiologischer Essenzialität nahelegen.
ProteoDUDes ist ein Open-Source-Tool, das die Genauigkeit der taxonomischen Profilierung in der Metaproteomik durch die Verarbeitung von Ergebnissen populärer Annotationswerkzeuge verbessert, um die Falsch-Positiv-Raten signifikant zu reduzieren und somit eine zuverlässigere Identifizierung funktionell aktiver Organismen in komplexen Proben zu ermöglichen.