759 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.
Diese Studie stellt einen umfassenden Datensatz aus ITS2-Metabarcoding- und RNA-Seq-Profilen von jeweils 200 bzw. 48 Genotypen von *Pinus sylvestris* vor, um zu untersuchen, wie der Wirtsgenotyp die Laubpilzgemeinschaften und die Krankheitsanfälligkeit im Kontext der Dothistroma-Nadelbrandkrankheit beeinflusst.
Das Paipu-Framework überwindet genomische und annotative Barrieren, um die Erstellung eines groß angelegten, harmonisierten atlasübergreifenden Transkriptomik-Atlas für Krebs bei Säugetieren zu ermöglichen, indem es den Abruf und die Verarbeitung von RNA-seq-Daten aus der NCBI SRA über verschiedene Spezies hinweg optimiert.
Der Artikel stellt mantis-delta vor, eine Open-Source-Python-Bibliothek, die die strukturelle Analyse der Theorie chemischer Reaktionsnetzwerke (CRNT) mit der symbolischen Erzeugung von ODEs und hybriden numerischen Lösern integriert, um stationäre Zustände, Stabilität und Bifurkationen in Massewirkungssystemen ohne ausschließliche Abhängigkeit von Simulationen rigoros zu charakterisieren.
Diese Studie schlägt ein zweistufiges Framework vor, das Aminosäurefrequenzmerkmale mit latenten Repräsentationen kombiniert, die von einem 1D-Faltungs-Neuronalen-Autoencoder gelernt werden, und zeigt, dass ein auf diesem hybriden Merkmalsatz trainierter Random-Forest-Klassifikator die Genauigkeit der Vorhersage von Protein-Protein-Interaktionen im Vergleich zur alleinigen Verwendung von Frequenzmerkmalen signifikant verbessert.
Diese Studie nutzt eine genomweite computergestützte Pipeline zur Vorhersage von miRNAs und ihren Zielgenen, die vom Influenza-A-Virus (H3N2) kodiert werden, und enthüllt ein Netzwerk von Wirtsgenen, die an der pulmonalen und antiviralen angeborenen Immunität beteiligt sind, was die virale Pathogenese klären und therapeutische Angriffspunkte aufzeigen könnte.
KaryoScope ist ein schnelles, ausrichtungsunabhängiges Werkzeug, das eine Basen-auflösende Annotation diverser genomischer Merkmale über gesamte Pangenom-Assemblierungen hinweg in Minuten ermöglicht, indem es zuvor unzugängliche variable Regionen wie Zentromere und Subtelomere effektiv charakterisiert, um vergleichende und klinische Analysen zu unterstützen.
Diese Studie analysiert Urinmikrobiom-Daten, um nachzuweisen, dass *Lactobacillus crispatus* bei gesunden Personen im Vergleich zu Patienten mit Harnwegsinfektionen signifikant angereichert ist, und identifiziert ihn als vielversprechenden probiotischen Kandidaten zur Prävention und Behandlung von Harnwegsinfektionen.
Diese Studie nutzt sparse Autoencoder und graphbasierte Analysen, um aufzuzeigen, dass das genomische Sprachmodell Nucleotide Transformer v2 granulare Sequenzsyntax und lokale biophysikalische Einschränkungen kodiert, anstatt komplexe regulatorische Logik, was seine starke Leistung bei spezifischen molekularen Aufgaben, aber schwächere Fähigkeiten bei umfassenderen regulatorischen Inferenzen erklärt.
Dieser Artikel stellt TAMIPAMI vor, ein straffes experimentelles und computergestütztes Framework, das die Identifizierung von PAM/TAM für CRISPR- und OMEGA-Systeme vereinfacht, indem es nur eine einzige Kontrollbibliothek erfordert, einen neuartigen Algorithmus zur Definition minimaler degenerierter Motive nutzt und zugängliche Web- und Befehlszeilentools für eine schnelle Charakterisierung bietet.
PrEditR ist ein quelloffenes, proteinzentriertes Werkzeug, das darauf ausgelegt ist, die Einschränkungen bestehender DNA-zentrierter sgRNA-Design-Software zu überwinden, indem es die hochdurchsatzfähige, massenspektrometrikompatible Generierung von Guide-RNAs für CRISPR-Baseneditor-Screens ermöglicht, die spezifische Protein-Post-Translations-Modifikationsstellen anvisieren.