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.
Dieser Artikel stellt rechnerische Protokolle und praktische Beispiele vor, um die Annotation viraler nicht-kodierender RNA zu automatisieren und R2DT-Daten programmatisch über dessen RESTful-API abzurufen, wobei R2DT genutzt wird, um umfassende Visualisierungen von 2D-Strukturen für die Integration in Bioinformatik- und Machine-Learning-Workflows zu generieren.
Die Arbeit stellt PXN vor, ein probabilistisches maschinelles Lernframework, das die plattformübergreifende Inkompatibilität in öffentlichen Genexpressionsdaten überwindet, indem es diverse Datensätze (einschließlich der Überbrückung von Microarray- und RNA-Sequenzierungstechnologien) nahtlos in eine einheitliche Darstellung übersetzt und dadurch die Genauigkeit und statistische Aussagekraft groß angelegter integrativer biologischer Analysen erheblich verbessert.
Die Autoren entwickelten TriCyP, ein auf Protein-Sprachmodellen basierendes Werkzeug, das funktionelle Zustände von Cysteinen (Disulfidbindungen, Metallkoordination und freie Thiole) aus vorhergesagten Strukturen präzise vorhersagt und dadurch einen katalogisierten Überblick über 2,7 Millionen Cysteine in ECOD-Domänen im gesamten Proteom ermöglicht, der eindeutige biologische Muster aufzeigt und neue Metallbindungs-Familien sowie potenzielle Protein-Protein-Interaktionen identifiziert.
Die Arbeit stellt Aiki-Sol vor, einen Vorhersagealgorithmus für die Proteinzulöslichkeit, der das Leistungsplateau bestehender Modelle überwindet, indem er Zentrifugationsregime als entscheidendes Merkmal und nicht als Rauschen explizit berücksichtigt und damit auf einem neu veröffentlichten, mit Stringenz annotierten E.-coli-Datensatz signifikante Genauigkeitsgewinne erzielt.
Diese Arbeit stellt einen kontextspezifischen Rahmen vor, der Stressantwort-Gen-Sets durch die Nutzung von Protein-Protein-Interaktionsnetzwerken validiert, die auf differentiell exprimierte Gene beschränkt sind, und zeigt, dass biologisch fundierte „Hauptantwort"-Gene über Temperaturbedingungen hinweg signifikant vernetzte Subnetzwerke bilden.
Die Autoren entwickelten „plant", eine de novo computergestützte Methode, die der Chromatographie analog ist und den Vergleich, die Annotation und die Quantifizierung von Proteindomänen in Transkriptomen nicht-modellorganismischer Spezies ohne Referenzgenom ermöglicht, wie durch eine Analyse von *Selaginella*-Arten unter Verwendung von 1KP-RNA-seq-Daten demonstriert wurde.
Dieser Beitrag zeigt, dass ein verbessertes generisches Datenschema eine hochpräzise Verknüpfung und eine robuste Probenverfolgbarkeit über komplexe, von mehreren Teams durchgeführte und mehrstufige Studien zu Malariaüberträgern in Tansania hinweg sicherstellt und eine nahezu perfekte Datenintegration von der Felderfassung über die Insektariumsaufzucht bis zur Laboranalyse erreicht.
Diese Studie zeigt, dass sowohl die Archaellum-basierte Motilität als auch F1-Typ-Chemosensorysysteme wahrscheinlich durch horizontalen Gentransfer von Archaea auf Chloroflexota-Bakterien übertragen wurden und damit eine gemeinsame evolutionäre Bahn zwischen diesen unterschiedlichen Domänen etablierten.
CardioSafe ist ein Multi-Task-Neurales Netz, das chemische und transkriptomische Merkmale integriert, um die Aktivität kardialer Ionenkanäle vorherzusagen, und dabei eine überlegene Leistung gegenüber bestehenden Methoden zeigt, sobald eine Reverse-Leak-Prüfung eine Kontamination der Trainingsdaten aufdeckte und entfernte, die zuvor die Benchmark-Ergebnisse für die Nav1.5- und Cav1.2-Kanäle künstlich aufgebläht hatte.
Diese Studie nutzt unvoreingenommene Molekulardynamiksimulationen, um die Insertionsenergetik von 28 Aminosäureanaloga in einer POPC-Doppelschicht zu quantifizieren, wodurch tiefenabhängige mittlere Kräftepotentiale erzeugt werden, die experimentelle Hydrophobizitätsskalen erfolgreich reproduzieren und die thermodynamischen Rollen von Protonierungszuständen und aromatischer Orientierung aufklären.