💻 Category

bioinformatics

768 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.

On why and how to encode probability distributions on graph representations of omics data: enhancing predictive tasks and knowledge discovery

Diese Arbeit stellt ein neuartiges graphbasiertes Framework vor, das strukturierte statistische Verteilungen in Knoten und Kanten von Omics-Daten integriert, um sowohl die Vorhersagegenauigkeit klinischer Ergebnisse bei verschiedenen Krebsarten zu gewährleisten als auch die biologische Interpretierbarkeit durch die Identifizierung regulatorischer Module zu verbessern.

Goncalves, D. M., Patricio, A., Costa, R. S., Henriques, R.2026-02-19💻 bioinformatics

Drug Repurposing: A Potential Therapeutic Strategy for the Treatment of Chikugunya Virus

Diese Studie identifiziert Indinavir als vielversprechenden Wirkstoff zur Behandlung des Chikungunya-Virus, indem sie durch Drug Repurposing und Molekulardynamik-Simulationen nachweist, dass das HIV-Protease-Inhibitor die aktive Stelle des viralen nsP2-Proteins blockiert und so die Virusreplikation hemmt.

Zondi, S., Mtambo, S., Buthelezi, N., Shunmugam, L., Magwenyane, A., Kumalo, H. M.2026-02-19💻 bioinformatics

BioGraphX: Bridging the Sequence-Structure Gap via PhysicochemicalGraph Encoding for Interpretable Subcellular Localization Prediction

BioGraphX überbrückt die Lücke zwischen Sequenz und Struktur durch ein physikochemisches Graph-Encodierungsverfahren, das ohne aufwändige 3D-Strukturbestimmung auskommt und mittels eines gating-basierten ESM-2-Modells präzise, interpretierbare Vorhersagen zur subzellulären Lokalisierung von Proteinen bei minimalem Parameteraufwand ermöglicht.

Saeed, A., Abbas, W.2026-02-18💻 bioinformatics

Learning a Continuous Progression Trajectory of Amyloid in Alzheimer's disease

Die Studie stellt SLOPE vor, eine unüberwachte Methode zur dimensionsreduktion, die eine kontinuierliche Trajektorie der Amyloid-Progression bei Alzheimer auf einer zweidimensionalen Skala modelliert und dabei eine höhere Sensitivität für frühe Krankheitsstadien sowie eine bessere zeitliche Konsistenz als herkömmliche globale Amyloid-Maßnahmen bietet.

Tong, M., Mehfooz, F., Zhang, S., Wang, Y., Fang, S., Saykin, A. J., Wang, X., Yan, J., Alzheimer's Disease Neuroimaging Initiative,2026-02-18💻 bioinformatics

Learning Mappings from Cryo-EM Images to Atomic Coordinates via Latent Representations

Die Studie demonstriert in einer synthetischen Umgebung, dass ein überwachter Lernansatz mittels eines convolutional Auto-Encoders und einer Regressionsnetzwerk Cryo-EM-Bilder erfolgreich direkt auf atomare Koordinaten abbilden kann, ohne dass eine explizite Pose-Rekonstruktion erforderlich ist, und somit eine quantitative Grundlage für die schnelle Schätzung konformationaler Variabilität schafft.

Abid, E., Jonic, S.2026-02-18💻 bioinformatics

Wayfarer: A multiscale framework for spatial analysis of tumor progression

Das Paper stellt Wayfarer vor, ein neuartiges R-Paket für Bioconductor, das als mehrskaliges Framework die räumliche Analyse von Tumorprogression ermöglicht, indem es die Entwicklung räumlicher Assoziationsmetriken über verschiedene Aggregationsstufen hinweg verfolgt und so biologische Muster aufdeckt, die bei herkömmlichen Einzelauflösungs-Analysen unentdeckt bleiben.

Moses, L., Herault, A., Cabon, L., Dumitrascu, B.2026-02-18💻 bioinformatics