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.
PanXpress ist ein einheitliches, schnelles und präzises Framework für die bakterielle Genexpressionsquantifizierung, das mittels eines gapped-k-mer-basierten Pan-Transkriptom-Indexes Referenzverzerrungen bei gemischten oder unbekannten Stämmen vermeidet und dabei eine höhere Abdeckung sowie geringere Speicheranforderungen als herkömmliche Methoden bietet.
Diese Studie stellt ein KI-gestütztes Werkzeug vor, das die Extraktion und Standardisierung morphologischer Daten aus der Literatur in das NEXUS-Format automatisiert, um menschliche Fehler zu minimieren, die Effizienz der Datenkuratierung zu steigern und die Einhaltung der FAIR-Prinzipien in der Paläontologie und Systematik zu verbessern.
SOORENA ist ein zweistufiges Transformer-Modell, das mithilfe von 1,332 validierten Abstracts trainiert wurde, um in über 3,3 Millionen PubMed-Zusammenfassungen autoregulatorische Proteinmechanismen automatisch zu identifizieren und zu klassifizieren, wodurch eine umfassende Ressource für die Systembiologie und die Modellreduktion entsteht.
Das Paper stellt GatorSC vor, ein selbstüberwachtes Framework zur robusten Integration multi-skaliger Zell- und Gen-Graphen mittels Mixture-of-Experts-Fusion, das in zahlreichen Benchmarks state-of-the-art-Ergebnisse für Clustering, Imputation und Annotation von Einzelzell-Transkriptomdaten erzielt.
Die Analyse von aus dem Zag-Meteoriten stammenden Nukleinsäuresequenzen zeigt, dass diese zwar keine biologischen Merkmale aufweisen, aber dennoch eine komplexe, nicht-zufällige Struktur besitzen, die weder durch bekannte biologische noch technische Modelle vollständig erklärt werden kann und weitere unabhängige Untersuchungen erfordert.
Diese Studie zeigt, dass Large Language Models (LLMs) historische Pathologieberichte bei Ewing-Sarkomen präzise auswerten können, um neue prognostische Biomarker wie NSE (als Risikofaktor) und S100 (als Schutzfaktor) zu identifizieren, die die aktuelle Risikostratifizierung verbessern könnten.
Die Studie stellt FlashS vor, eine skalierbare Methode zur Frequenzbereichsanalyse, die durch den Verzicht auf Distanzmatrizen und eine kurtosekorrigierte Nullverteilung eine präzise und kalibrierte Detektion räumlich variabler Gene in großflächigen räumlichen Transkriptomdaten ermöglicht.
Die Autoren stellen Harmony2 vor, eine optimierte Software zur effizienten und präzisen Integration riesiger, komplexer Einzelzell-Datensätze mit über 100 Millionen Zellen, die auch ohne spezialisierte Hardware skaliert und Überintegration verhindert.
ChiMER ist ein neuartiges, graphbasiertes Framework, das Chromatin-Kontaktinformationen in Splicing-Graphen integriert, um Chimerische Enhancer-RNAs (ChiMERs) aus RNA-Sequenzierungsdaten mit höherer Sensitivität und geringerer Fehlerrate zu identifizieren als herkömmliche Methoden.
Das Paper stellt STpath vor, ein Framework, das mittels XGBoost-Modellen und räumlich aufgelösten Transkriptomdaten die biologisch schwer interpretierbaren Embeddings von Histopathologie-Foundation-Modellen in zelluläre und molekulare Merkmale übersetzt, um deren klinische Anwendbarkeit zu ermöglichen.