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.
Das Paper stellt STiLE vor, ein automatisiertes, bildfreies Werkzeug zur Zuordnung von Zellen zu Gewebekernen in Gewebemikroarrays für die räumliche Transkriptomik, das durch die Verwendung von Zellkoordinaten und fortschrittlichen Clustering-Methoden eine robuste, plattformübergreifende und hochpräzise Analyse ermöglicht.
Dieser Artikel stellt ein tiefes Lernverfahren für die energieeffiziente, semantische Anomalieerkennung in Smart-Capsule-Endoskopien vor, das durch eine signifikante Reduktion von Sendeleistung und Beleuchtungsstärke bei gleichzeitig hoher Detektionswahrscheinlichkeit die Batterielebensdauer um über 43 % verlängern kann.
Die Studie stellt ABAG-Rank vor, ein auf DeepSets basierendes neuronales Netzwerk, das die Auswahl korrekter Antikörper-Antigen-Komplex-Strukturen aus AlphaFold-Vorhersagen durch effizientes Ranking verbessert und dabei einfache geometrische Deskriptoren sowie Konfidenzscores nutzt, um bestehende Methoden signifikant zu übertreffen.
PhyloRNA ist eine kuratierte Meta-Datenbank, die großen Zugriff auf RNA-Sekundärstrukturen bietet, die explizit mit phylogenetischen Annotationen aus fünf Taxonomiesystemen sowie zusätzlichen strukturellen Deskriptoren verknüpft sind, um vergleichende und phylogeniegestützte Studien zu erleichtern.
Das Paper stellt noHiC vor, eine Referenz-gesteuerte Pipeline für das Scaffolding von Pflanzen-Contigs, die mithilfe von Pangenom-Graphen personalisierte synthetische Referenzen (Synrefs) erstellt, um hochkontinuierliche und strukturell konsistente Genom-Assemblies ohne Hi-C-Sequenzierung zu erzeugen.
Das Paper stellt RiboBA vor, ein probabilistisches Framework, das durch die explizite Berücksichtigung protokollbedingter Verzerrungen die robuste Identifizierung nicht-kanonischer ORFs in Ribosomen-Profilierungsdaten verbessert und dabei insbesondere bei Datensätzen mit abgeschwächter Dreinukleotid-Periodizität überlegene Genauigkeit erreicht.
Die Studie stellt ST-PARM vor, ein Inferenzzeit-Alignierungs-Framework für das Multi-Objective-Proteindesign, das durch eine glatte Tchebycheff-Scalarisierung und eine unsicherheitsbewusste Präferenz-Lernstrategie eine umfassende Pareto-Abdeckung und robuste Steuerung bei konkurrierenden Eigenschaften wie Stabilität und Fluoreszenz ermöglicht.
Die Studie stellt G-VEP vor, ein GPU-beschleunigtes Framework, das durch massiv parallele binäre Suchalgorithmen die rechenintensive Annotation von Varianten in klinischen Whole-Genome-Sequenzierungs-Daten um das Dreifache beschleunigt, ohne dabei die Genauigkeit der standardmäßigen VEP-Ausgaben zu beeinträchtigen.
Diese Studie stellt ein KI-gestütztes Entscheidungsunterstützungswerkzeug vor, das mittels Random-Forest-, SVM- und XGBoost-Modellen auf Basis von respiratorischen Mikrobiom-Daten aus 477 Shotgun-Metagenom-Proben COVID-19-Patienten erfolgreich triagiert und dabei insbesondere das XGBoost-Modell mit bis zu 96,1 % Genauigkeit die schwersten Verläufe anhand dysbiotischer Verschiebungen hin zu opportunistischen Erregern wie *Acinetobacter* und *Staphylococcus* vorhersagt.
Das Paper stellt plsMD vor, ein neues computergestütztes Werkzeug zur vollständigen Rekonstruktion von Plasmidsequenzen aus kurzen WGS-Lesestücken, das durch die Integration von Assemblierungsdaten und Referenzdatenbanken die Genauigkeit und Leistungsfähigkeit bei der Analyse von antimikrobieller Resistenz und Plasmidübertragung im Vergleich zu bestehenden Tools signifikant verbessert.