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.
Die Studie stellt VarDCL vor, ein multimodales Framework, das Protein-Sprachmodelle mit selbstdistilliertem kontrastivem Lernen kombiniert, um pathogene Missense-Varianten durch die Analyse sequenzieller und struktureller Unterschiede vor und nach Mutationen präziser vorherzusagen als bestehende Methoden.
Die Studie stellt RIBEX vor, ein multimodales Framework, das Protein-Sprachmodell-Embeddings mit Topologie-Informationen aus Protein-Interaktionsnetzwerken kombiniert, um RNA-bindende Proteine präziser vorherzusagen und zu erklären, insbesondere in intrinsisch disorderten Regionen und ohne kanonische Bindedomänen.
Diese Studie entwickelt ein phänotyp-Strukturierungs-Modell, das zeigt, wie verschiedene Therapiestrategien durch evolutionären Selektionsdruck die Proliferationsheterogenität von Tumoren unterschiedlich beeinflussen und somit resistente Klone entweder begünstigen oder unterdrücken können.
Das Paper stellt Glydentify vor, eine erklärbare Deep-Learning-Plattform, die mithilfe von Protein- und chemischen Merkmalen die Donor-Substrat-Spezifität von Glykosyltransferasen präzise vorhersagt und experimentell validiert wurde.
Das Paper stellt 3D-Manhattan vor, ein interaktives, browserbasiertes Visualisierungstool, das mehrere GWAS-Ergebnisse in einem einheitlichen dreidimensionalen Koordinatensystem integriert, um den Vergleich genetischer Assoziationen über verschiedene Zeitpunkte, Merkmale oder Bedingungen hinweg zu erleichtern.
Die Studie stellt BioOS vor, eine genegetriebene Rechenumgebung, die pflanzliche Entwicklung durch die Ausführung von Genregulationsnetzwerken in formalen Zellen simuliert und damit ohne fest codierte Regeln realistische Phänotypen sowie hohe Übereinstimmung mit etablierten Auxin- und anderen biologischen Benchmarks erzielt.
Diese Studie stellt einen integrierten Ansatz aus künstlicher Intelligenz und Quantenchemie vor, der zur rationalen Entwicklung der neuartigen antibakteriellen Verbindung Solres führt, die als vielversprechender Kandidat zur Bekämpfung von Ralstonia solanacearum und zur Eindämmung antimikrobieller Resistenzen in der Landwirtschaft dient.
Die Studie stellt LigandForge vor, ein diskretes Diffusionsmodell, das in einem einzigen Vorwärtsdurchgang hochaffine Peptidbindemittel für 150 Rezeptorziele mit einer Durchsatzrate von über 1.000 Sequenzen pro Sekunde generiert und dabei iterative Strukturvorhersagen ersetzt, um eine bisher unerreichte Skalierbarkeit und strukturelle Vielfalt bei der Entdeckung von Bindern zu ermöglichen.
Die Studie stellt RNAElectra vor, ein auf der ELECTRA-Architektur basierendes RNA-Foundation-Modell, das durch den Einsatz von Replaced-Token-Detection (RTD) anstelle von Masked Language Modeling eine überlegene Generalisierungsfähigkeit und Interpretierbarkeit für die Vorhersage verschiedener RNA-regulatorischer Funktionen und Interaktionen bietet.
Das Paper stellt NYX vor, ein lernbasiertes, formatbewusstes Komprimierungssystem für verschiedene Omics-Dateitypen, das im Vergleich zu herkömmlichen und formatspezifischen Komprimierern deutlich höhere Geschwindigkeiten bei gleichbleibender oder verbesserter Kompressionsrate erreicht.