1244 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 Arbeit stellt dGSEA vor, eine differenzierbare Methode zur Berechnung des GSEA-Scores, die durch weiches Sortieren und eine skalierbare Näherung die Lücke zwischen genbasierten Vorhersagemodellen und pfadweiser Interpretation schließt und so die Stabilität sowie die Genauigkeit von pathway-basierten Ergebnissen in der transkriptomischen Arzneimittelentdeckung verbessert.
Das Paper stellt ECHO vor, eine benutzerfreundliche, auf Snakemake basierende Pipeline, die Nanopore-Sequenzierung nutzt, um eine umfassende und skalierbare (epi)genetische Charakterisierung des menschlichen Repeatoms zu ermöglichen.
Die Studie stellt scCChain vor, ein auf Transformer-Neuralen Netzen basierendes Framework, das räumliche Zell-Zell-Kommunikationsprogramme durch die Modellierung von Zellketten identifiziert und Hotspots mit hoher räumlicher Auflösung in komplexen Geweben wie menschlichem Brustkrebs kartiert.
Das Paper stellt HViLM, ein auf DNABERT-2 basierendes Fundamentmodell für die virale Genomik, vor, das durch effizientes Fine-Tuning auf einer umfangreichen Virusdatenbank einen neuen Maßstab für die präzise Vorhersage von Pathogenität, Wirtsspezifität und Übertragbarkeit erreicht und dabei robuste Generalisierung sowie biologisch interpretierbare Erkenntnisse liefert.
Diese Studie bewertet systematisch die Leistungsfähigkeit verschiedener maschineller Lern-basierter Varianten-Annotationen für die Assoziationsprüfung seltener Varianten an großen UK-Biobank-Daten und liefert praktische Leitlinien zur Methodenauswahl sowie ein neues Framework zur Kalibrierungsanalyse.
Die Studie zeigt, dass eine geringe Übereinstimmung zwischen verschiedenen computergestützten Vorhersagealgorithmen für Genvarianten ein effektiver Indikator ist, um Proteine zu identifizieren, die für experimentelle Untersuchungen priorisiert werden sollten, da diese Diskrepanzen auf mechanistische Lücken hinweisen, die durch neue Messdaten aufgeklärt werden können.
Die Studie stellt ISdetector vor, eine skalierbare Bioinformatik-Pipeline, die mithilfe einer IS-bereinigten Referenzstrategie und der Analyse von Soft-Clips präzise Insertionsstellen von Insertionssequenzen sowie assoziierte strukturelle Variationen in bakteriellen Genomen mit hoher Genauigkeit identifiziert.
Die Studie stellt Pro2RNA vor, ein multimodales Reverse-Translation-Sprachmodell, das mithilfe von ESM2, SciBERT und einem generativen RNA-Modell proteinspezifische mRNA-Sequenzen unter Berücksichtigung der Wirtsorganismus-Taxonomie erzeugt und dabei bestehende Optimierungsmethoden in der Anpassung an spezifische Arten übertrifft.
Diese Studie zeigt, dass Temperatur-Skalierung und epistemische neuronale Netze die Zuverlässigkeit von genomischen Sprachmodellen unter Verteilungsverschiebungen verbessern können, indem sie die Unsicherheitsquantifizierung auf in- und out-of-distribution-Daten optimieren.
Die Studie zeigt, dass die Vorhersage von Wirtsbakterien für Bakteriophagen durch die Kombination von Embeddings des vortrainierten Genom-Sprachmodells Evo2 mit etablierten Ausrichtungs- und K-Mer-Methoden verbessert werden kann, wobei Evo2 besonders bei der Identifizierung mehrerer plausibler Wirte und auf höheren taxonomischen Ebenen effektiv ist.