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.
Die Studie zeigt, dass die generative Gestaltung intrinsisch ungeordneter Proteine (IDRs) auf Basis konditionierter Protein-Sprachmodelle zwar prinzipiell machbar ist, jedoch eine präzise Kontrolle der Konformations- und physikochemischen Eigenschaften maßgeblich von der Verfügbarkeit großer Datensätze abhängt.
Die Arbeit stellt vcfilt vor, einen in Go implementierten, null-allokierenden Streaming-Filter für VCF-Dateien, der durch die Beschränkung auf häufige Filterkriterien und einen Byte-Scan-Parser eine bis zu 12,2-fache Geschwindigkeitssteigerung gegenüber bcftools bei gleichzeitiger Byte-zu-Byte-Kompatibilität der Ausgabe erreicht.
Die Autoren stellen ABB4-STEROIDS vor, ein generatives Strukturvorhersagemodell, das auf umfangreichen Molekulardynamik-Simulationen trainiert wurde, um Konformationsensembles von Antikörpern mit state-of-the-art-Genauigkeit zu sampeln und damit die Herausforderung der Vorhersage proteinischer Flexibilität zu adressieren.
Diese Studie zeigt, dass sich EndoG-Proteine der Froschgattungen Xenopus laevis und Xenopus tropicalis durch temperaturabhängige Anpassungen ihrer Aminosäurezusammensetzung und strukturellen Eigenschaften an ihre jeweiligen kühlen bzw. heißen Lebensräume angepasst haben.
Das Paper stellt ProteomeScan vor, ein Open-Source-Toolkit, das Cloud-Computing für das genomweite Docking nutzt, um neue Protein-Ligand-Interaktionen zu identifizieren und Zielstrukturen für Wirkstoffdesigns zu validieren.
MICRON ist ein segmentation-freies, vollautomatisiertes Werkzeug auf Basis des Multiple-Instance-Learnings, das räumliche Immummikroumgebungen aus bildgebenden Proteomikdaten identifiziert, um präzisere prognostische und diagnostische Vorhersagen zu ermöglichen und dabei in einer Fallstudie zu Hirntumoren koordinierte Zell-Zell-Kommunikation aufdeckt.
Die Studie stellt FlyPredictome vor, eine offene Datenbank, die auf 1,5 Millionen AlphaFold-Multimer-Vorhersagen basiert und ein strukturelles Atlas von Protein-Protein-Interaktionen in Drosophila mit atomarer Auflösung bereitstellt, um funktionelle Zusammenhänge und Krankheitsmutationen besser zu verstehen.
Das R-Paket trackDJ bietet eine benutzerfreundliche und reproduzierbare Alternative zu interaktiven Genom-Browsern, indem es durch hohe Abstraktion und sinnvolle Voreinstellungen die einfache Erstellung publication-fähiger Abbildungen für die Visualisierung epigenomischer Daten ermöglicht.
Die 2026 aktualisierte Version des DRSC Integrative Ortholog Prediction Tool (DIOPT) erweitert durch die Integration neuer Algorithmen, aktualisierter Genomdaten, einer benutzerfreundlicheren Weboberfläche und einer spezialisierten Version für Arthropoden die Möglichkeiten zur zuverlässigen Vorhersage von Orthologen über verschiedene Modellorganismen hinweg und unterstützt so die funktionelle Genomforschung.
Die Studie stellt TFBindFormer vor, einen hybriden Cross-Attention-Transformer, der genomische DNA-Merkmale mit proteinspezifischen Informationen aus Sequenzen und Strukturen integriert, um die Vorhersage von Transkriptionsfaktor-DNA-Bindungen im Vergleich zu rein sequenzbasierten Modellen signifikant zu verbessern.