1014 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 ECHO vor, eine benutzerfreundliche, auf Snakemake basierende Pipeline, die Nanopore-Sequenzierung nutzt, um eine umfassende und skalierbare (epi)genetische Charakterisierung des menschlichen Repeatoms zu ermöglichen.
Die Studie stellt scCChain vor, ein auf Transformer-Neuralen Netzen basierendes Framework, das räumliche Zell-Zell-Kommunikationsprogramme durch die Modellierung von Zellketten identifiziert und Hotspots mit hoher räumlicher Auflösung in komplexen Geweben wie menschlichem Brustkrebs kartiert.
Diese Studie bewertet systematisch die Leistungsfähigkeit verschiedener maschineller Lern-basierter Varianten-Annotationen für die Assoziationsprüfung seltener Varianten an großen UK-Biobank-Daten und liefert praktische Leitlinien zur Methodenauswahl sowie ein neues Framework zur Kalibrierungsanalyse.
Die Studie stellt ISdetector vor, eine skalierbare Bioinformatik-Pipeline, die mithilfe einer IS-bereinigten Referenzstrategie und der Analyse von Soft-Clips präzise Insertionsstellen von Insertionssequenzen sowie assoziierte strukturelle Variationen in bakteriellen Genomen mit hoher Genauigkeit identifiziert.
Diese Studie zeigt, dass Temperatur-Skalierung und epistemische neuronale Netze die Zuverlässigkeit von genomischen Sprachmodellen unter Verteilungsverschiebungen verbessern können, indem sie die Unsicherheitsquantifizierung auf in- und out-of-distribution-Daten optimieren.
Die Studie zeigt, dass die Vorhersage von Wirtsbakterien für Bakteriophagen durch die Kombination von Embeddings des vortrainierten Genom-Sprachmodells Evo2 mit etablierten Ausrichtungs- und K-Mer-Methoden verbessert werden kann, wobei Evo2 besonders bei der Identifizierung mehrerer plausibler Wirte und auf höheren taxonomischen Ebenen effektiv ist.
PanXpress ist ein einheitliches, schnelles und präzises Framework für die bakterielle Genexpressionsquantifizierung, das mittels eines gapped-k-mer-basierten Pan-Transkriptom-Indexes Referenzverzerrungen bei gemischten oder unbekannten Stämmen vermeidet und dabei eine höhere Abdeckung sowie geringere Speicheranforderungen als herkömmliche Methoden bietet.
Die Analyse von aus dem Zag-Meteoriten stammenden Nukleinsäuresequenzen zeigt, dass diese zwar keine biologischen Merkmale aufweisen, aber dennoch eine komplexe, nicht-zufällige Struktur besitzen, die weder durch bekannte biologische noch technische Modelle vollständig erklärt werden kann und weitere unabhängige Untersuchungen erfordert.
Diese Studie zeigt, dass Large Language Models (LLMs) historische Pathologieberichte bei Ewing-Sarkomen präzise auswerten können, um neue prognostische Biomarker wie NSE (als Risikofaktor) und S100 (als Schutzfaktor) zu identifizieren, die die aktuelle Risikostratifizierung verbessern könnten.
Die Studie stellt FlashS vor, eine skalierbare Methode zur Frequenzbereichsanalyse, die durch den Verzicht auf Distanzmatrizen und eine kurtosekorrigierte Nullverteilung eine präzise und kalibrierte Detektion räumlich variabler Gene in großflächigen räumlichen Transkriptomdaten ermöglicht.