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.
Die Studie stellt RepurAgent vor, ein von Menschen überwachtetes, hierarchisches Multi-Agenten-System, das den gesamten Lebenszyklus der Wirkstoffwiederverwendung von der Hypothesengenerierung bis zur experimentellen Analyse unterstützt und dabei in drei validierten Szenarien hohe Genauigkeit und Effizienz demonstriert.
Die Studie stellt Surleton vor, ein inverses Protein-Faltungs-Framework, das durch die gemeinsame Modellierung von Rückgratgeometrie und Protein-Oberflächenstruktur die Sequenzvorhersage, insbesondere für exponierte Reste, im Vergleich zu reinen Rückgrat-Methoden signifikant verbessert.
Diese Studie nutzt einen phylogenetischen Ansatz, um konservierte und bradyzoit-spezifische Proteine in Toxoplasma gondii zu identifizieren und liefert damit neue Ansatzpunkte für das Verständnis der Differenzierung in die latente Bradyzoiten-Stufe.
Die Studie stellt HMCVelo vor, ein deterministisches ODE-Modell, das erstmals die Dynamik der DNA-Hydroxymethylierung in einzelnen Zellen mithilfe von Joint-snhmC-seq-Daten rekonstruiert und dabei deutlich präzisere Zelltrajektorien liefert als herkömmliche RNA-Velocity-Ansätze.
Die Studie stellt einen geschlossenen in-silico-Optimierungsrahmen vor, der durch Multi-Objective-Bayesian-Optimization und molekulare Simulationen zellpenetrierende Peptide mit selektiven Rezeptor-Interaktionsprofilen (CXCR4-positiv, NRP1-negativ) entwirft und deren Wirksamkeit experimentell validiert.
Das Paper stellt ProNA3D vor, ein vielseitiges Werkzeug zur Analyse von Protein-Nukleinsäure- und Nukleinsäure-Interaktionen, das experimentelle und computergestützte Strukturen integriert, interaktive Visualisierungen ermöglicht und durch Dichtezonierung die Untersuchung dynamischer Komplexe in Cryo-EM-Karten unterstützt.
Die Studie identifiziert eine epigenetisch eingeschränkte, stressunempfindliche Basal-Astrozyten-Zustands im präfrontalen Kortex als entscheidenden Vulnerabilitätsfaktor für die Alzheimer-Erkrankung bei Menschen mit Down-Syndrom, der sich durch einen Verlust häuslicher Schutzfunktionen und eine verminderte Entzündungsreaktivität auszeichnet.
Die Studie stellt eine reproduzierbare, offene Pipeline zur 3D-Rekonstruktion und quantitativen Analyse der Nanopartikelverteilung sowie der zellulären Morphologie in Tumorsphäroiden mittels Volumen-Elektronenmikroskopie vor, die eine hybride Segmentierungsstrategie aus einem feinabgestimmten Cellpose-SAM-Modell und einem empirischen Bayes-Ansatz nutzt.
Diese Studie liefert die erste umfassende Charakterisierung der 237 CdNAC-Transkriptionsfaktor-Gene im Genom von Cynodon dactylon, identifiziert deren phylogenetische Klassifizierung und zeigt ihre spezifischen Expressionsmuster sowie ihre regulatorischen Rollen bei der Toleranz gegenüber verschiedenen abiotischen Stressfaktoren auf.
Diese Studie zeigt, dass die biophysikalische Destabilisierung von Proteinen und Protein-Protein-Interaktionen durch Mutationen ein Schlüsselfaktor für das krebserregende Potenzial im menschlichen strukturellen Protein-Interaktom ist, wobei krebserregende Gene eine stärkere Destabilisierung aufweisen als das gesamte Krebsgenom.