1243 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 Autoren stellen eine neue phylogenetische Methode zur statistischen Detektion von Proteinstellen vor, die mit kontinuierlichen Merkmalen assoziiert sind, und wenden diese erfolgreich auf Mammals-Daten an, wobei sie die Evidenz für zuvor identifizierte Langlebigkeits-Assoziationen als schwach bewerten.
Diese Studie nutzt einen interpretierbaren maschinellen Lernansatz zur Integration multi-omischer Daten von 198 Sojabohnen-Zugängen, um unter Trockenstress spezifische Biomarker wie das Isoflavon-Derivat Daidzin und das Mikroorganismus *Candidatus Nitrosocosmicus* sowie deren vernetzte Wechselwirkungen für die Anpassung der Pflanze an Dürre zu identifizieren.
Das Paper stellt Cenote-Taker 3 vor, ein schnelles, präzises und quelloffenes Kommandozeilen-Tool zur Entdeckung von Virusgenomen und zur Annotation von Virogenen, das in Benchmarks andere Werkzeuge in puncto Geschwindigkeit und Genauigkeit übertrifft und sich hervorragend zur Analyse von Sequenzierungsdaten eignet.
Die Studie stellt PATTY vor, eine computergestützte Methode, die mithilfe von ATAC-seq-Daten und maschinellem Lernen die offene-Chromatin-Verzerrung in bulk- und single-cell CUT&Tag-Daten korrigiert, um präzisere Epigenom-Analysen und verbesserte Zellclustering-Ergebnisse zu ermöglichen.
Das Paper stellt PRISM-G vor, ein interpretierbares, modellunabhängiges Framework zur Bewertung des Datenschutzrisikos bei synthetischen menschlichen Genomdaten durch die Kombination von Nähe-, Verwandtschafts- und Merkmalsbewertungen zu einem aggregierten Risikoscore.
Diese Studie nutzt Molekulardynamik-Simulationen, um zu zeigen, wie dynamische elektrostatische Netzwerke, Ionen- und Lipidwechselwirkungen die strukturelle Plastizität und funktionelle Modulation des CFTR-Kanals steuern und dabei neue Einblicke in die Mechanismen der Potenzierung durch VX-770 sowie in die evolutionäre Entwicklung innerhalb der ABC-Transporter-Superfamilie liefern.
HEDeST ist ein robustes, schwach überwachtes Framework, das histologische Merkmale mit räumlichen Transkriptomdaten integriert, um Zelltypen in Gewebeproben mit einer Auflösung auf Einzelzellebene zu bestimmen und dabei bestehende Methoden in Genauigkeit und biologischer Aussagekraft übertrifft.
Diese Studie stellt DVPNet vor, ein neuartiges, interpretierbares Framework zur genetischen Profilierung von Krebszellen, das den Nucleotide Transformer mit probabilistischen Schaltungen kombiniert, um biologisch relevante Gene und Signalwege jenseits rein statistischer Ansätze zu identifizieren.
Die Studie stellt ADAMIXTURE vor, einen neuartigen Optimierungsansatz, der den EM-Algorithmus mit dem adaptiven Momentenschätzer (Adam) kombiniert, um die genetische Clusteranalyse in Biobank-Datensätzen durch eine GPU-beschleunigte Implementierung um zwei Größenordnungen zu beschleunigen, ohne dabei die Genauigkeit zu beeinträchtigen.
Die Studie stellt mit varTFBridge eine neue Methode vor, die Single-Molecule-Deaminase-Footprinting (FOODIE) mit AlphaGenome kombiniert, um kausale nichtkodierende Varianten zu identifizieren, die Genregulationsnetzwerke durch Störung der Transkriptionsfaktor-Bindung verändern und so menschliche Merkmale wie Erythrozyten-Parameter beeinflussen.