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.
Diese Studie zeigt, dass Zigarettenrauch das Risiko für Darmkrebs erhöht, indem er das Darmmikrobiom und den Stoffwechsel verändert sowie die Expression von Tumorsuppressorgenen wie CPT2 unterdrückt.
Diese Studie nutzt einen netzwerkbasierten Algorithmus und eine globale Analyse funktioneller Nachbarschaften, um die Vorhersage neuer Gen-Seltenen-Krankheiten-Assoziationen durch einen spezifischen Score zu verbessern und so die Priorisierung genetischer Varianten bei der Diagnose zu unterstützen.
Die Studie zeigt, dass bestimmte lokale energetische Spannungen (Frustrationen) in Proteinen trotz ihrer strukturellen Instabilität erhalten bleiben, da sie als evolutionär nutzbare „Spandrels“ fungieren, die aus physikalischen Zwängen der Proteinfaltung entstehen und später für funktionelle Zwecke adaptiert werden können.
Diese Studie präsentiert eine kultivierungsunabhängige, datenzentrierte Strategie mittels LC-HRMS und einer spezialisierten R-basierten Analyse, um 59 potenzielle Siderophore im Mikrobiom von drei verschiedenen Schwammarten erfolgreich zu identifizieren und zu validieren.
Diese Arbeit zeigt, dass Haar-ähnliche Wavelets auch bei realistischeren, kritischen Beta-Splitting-Bäumen die phylogenetischen Kovarianzmatrizen effektiv sparsifizieren, wodurch ein statistisch belastbares Maß für die -Diversität entsteht, das biologisch relevante Unterschiede in mikrobiellen Gemeinschaften identifizieren kann.
CoPrimeEEG ist ein neuartiges Framework zur EEG-Rekonstruktion, das durch die Kombination von ko-primem Sub-Nyquist-Sampling mit einem CRT-gesteuerten dualen Lernansatz eine hochpräzise Wiederherstellung der Signale bei gleichzeitig reduziertem Energieverbrauch ermöglicht.
Die vorliegende Arbeit stellt den „Neighborhood Product Co-localization“ (NPC)-Score vor, eine effiziente und interpretierbare Methode zur quantitativen Analyse der räumlichen Co-Lokalisation von Zelltypen in der räumlichen Transkriptomik.