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.
Das Paper stellt SpaceBender vor, eine Open-Source-Methode zur Rauschreduktion in räumlichen Transkriptomdaten, die durch die Nutzung ortspezifischer Informationen biologische Signale verbessert und damit tiefere Einblicke in Gewebestrukturen ermöglicht.
Diese Studie stellt einen tensorbasierten Ähnlichkeitsnetzwerk-Ansatz vor, der mittels kanonischer Polyadischer Zerlegung räumliche molekulare Merkmale in kolorektalen Tumoren extrahiert und nachweist, dass die reale räumliche Organisation die Netzwerkstruktur im Vergleich zu randomisierten Konfigurationen signifikant einschränkt.
Die Studie stellt ein Netzwerk-basiertes Framework vor, das durch die Integration der Richtung von Fold-Changes über verschiedene Proteom-Datensätze hinweg biologisch konsistente Zusammenhänge aufdeckt, wobei sich Doxorubicin-behandelte MCF-7-Zellen als zentraler Knotenpunkt für Brustkrebs-Proteomprofile erwiesen.
BioEngine schließt die Lücke zwischen kuratierten KI-Modellen und skalierbarer Rechenleistung, indem es Biologen ermöglicht, Modelle über einen Agenten-Interface auf beliebiger Hardware auszuführen, anzupassen und zu erweitern.
Die Studie zeigt, dass ein automatisierter Agent-gestützter Suchalgorithmus im Vergleich zu herkömmlichen manuellen oder evolutionären Methoden (wie NSGA-II) die Effizienz bei der Priorisierung von Peptid-Kandidaten für die antimikrobielle Wirkstoffentwicklung signifikant verbessert, indem er 65 % der besten Kandidaten in den Top-20-Listen identifiziert.
Die Studie stellt RepurAgent vor, ein von Menschen überwachtetes, hierarchisches Multi-Agenten-System, das den gesamten Lebenszyklus der Wirkstoffwiederverwendung von der Hypothesengenerierung bis zur experimentellen Analyse unterstützt und dabei in drei validierten Szenarien hohe Genauigkeit und Effizienz demonstriert.
Die Studie stellt Surleton vor, ein inverses Protein-Faltungs-Framework, das durch die gemeinsame Modellierung von Rückgratgeometrie und Protein-Oberflächenstruktur die Sequenzvorhersage, insbesondere für exponierte Reste, im Vergleich zu reinen Rückgrat-Methoden signifikant verbessert.
Diese Studie nutzt einen phylogenetischen Ansatz, um konservierte und bradyzoit-spezifische Proteine in Toxoplasma gondii zu identifizieren und liefert damit neue Ansatzpunkte für das Verständnis der Differenzierung in die latente Bradyzoiten-Stufe.
Die Studie stellt HMCVelo vor, ein deterministisches ODE-Modell, das erstmals die Dynamik der DNA-Hydroxymethylierung in einzelnen Zellen mithilfe von Joint-snhmC-seq-Daten rekonstruiert und dabei deutlich präzisere Zelltrajektorien liefert als herkömmliche RNA-Velocity-Ansätze.
Die Studie stellt einen geschlossenen in-silico-Optimierungsrahmen vor, der durch Multi-Objective-Bayesian-Optimization und molekulare Simulationen zellpenetrierende Peptide mit selektiven Rezeptor-Interaktionsprofilen (CXCR4-positiv, NRP1-negativ) entwirft und deren Wirksamkeit experimentell validiert.