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.
Das Paper stellt DyME vor, eine verteilte Plattform, die Hochdurchsatz-Mutagenese mit Molekulardynamik-Simulationen und einem Analyse-Toolkit kombiniert, um systematisch die Protein-Erkennung und -Nachahmung durch die Untersuchung tausender mutierter Systeme zu ermöglichen.
Die Studie stellt MIMIQ vor, eine adaptive Binning-Methode zur schnellen Berechnung der gegenseitigen Information und Signifikanzprüfung in Einzelzell-RNA-Sequenzierungsdaten, die beispielsweise genutzt wurde, um die Gen-Umschaltung von CD4+ naiven T-Zellen während einer SARS-CoV-2-Infektion zu analysieren.
Diese Studie zeigt, dass die Kombination aus reduzierten Aminosäurealphabeten und Subword-Tokenisierung (BPE) die Effizienz von Protein-Sprachmodellen durch kürzere Eingabesequenzen und schnellere Verarbeitung erheblich steigert, ohne dabei die Vorhersagegenauigkeit zu beeinträchtigen oder sie in bestimmten Fällen sogar zu verbessern.
Die Studie stellt mit Cyclome930 eine umfassende computergestützte Framework vor, die eine vereinheitlichte Datenbank von 930 zyklischen Peptiden, einen neuartigen zyklischen Sequenzalignments-Algorithmus, physikbasierte Simulationen zur thermischen Stabilität und einen maschinellen Lernansatz zur Vorhersage von Schmelzpunkten sowie zur Identifizierung kritischer Metallbindungen integriert, um das rationale Design stabiler zyklischer Peptidbibliotheken zu ermöglichen.
Das Paper stellt Pipette vor, ein Multi-Agenten-KI-Framework, das wissenschaftliche Literatur in einen ausführbaren Skill Graphen übersetzt, um Bench-Wissenschaftlern die Erstellung biologisch valider und reproduzierbarer Bioinformatik-Workflows über natürliche Sprache zu ermöglichen.
Das Paper stellt VASCIF vor, ein interpretierbares, graphenbasiertes Framework, das mithilfe einer Masked Graph Attention-Architektur und zyklischer Transferlernung präzise und effizient die Schnittstellen zwischen Antikörpern und Antigenen vorhersagt und dabei neue biophysikalische Erkenntnisse liefert.
Das Paper stellt `rnaends`, ein R-Paket vor, das eine umfassende Analyse von RNA-Enden auf Nukleotid-Ebene ermöglicht, indem es Funktionen für die Verarbeitung von Rohdaten, die Kartierung, Quantifizierung und verschiedene downstream-Analysen wie die Identifizierung von Transkriptionsstartstellen oder die Untersuchung von Degradationsdynamiken bereitstellt.
Diese Studie stellt ein robustes generatives Framework namens „Coherent Denoising" vor, das mithilfe von Diffusionsmodellen fehlende multimodale Omics-Daten aus beliebigen verfügbaren Teilmengen synthetisiert, um die Datenlücken in großen TCGA-Kohorten zu schließen und so die Präzisionsonkologie durch verbesserte Vorhersagemodelle und kontrafaktische Analysen voranzutreiben.
Die Studie stellt PRIZM vor, einen dateneffizienten Zwei-Phasen-Workflow, der mit nur wenigen gelabelten Varianten den besten Zero-Shot-Modell für eine spezifische Proteineigenschaft identifiziert, um darauf aufbauend verbesserte Proteinvarianten für das experimentelle Screening zu priorisieren.
Die Studie stellt FM-GPT vor, eine neuartige bayessche Feinkartierungsmethode, die in phänomweiten transkriptomweiten Assoziationsstudien mithilfe von UK-Biobank-Daten kausale Gene mit pleiotropen Effekten auf komplexe Merkmale wie kortikale Dicke und diverse medizinische Erkrankungen präzise identifiziert und dabei die biologischen Mechanismen hinter Krankheitskomorbiditäten aufklärt.