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 analysiert 1154 Pilzgenome und zeigt, dass Gene für die Proteinsynthese und -regulation, wie solche für das Proteasom, den Ionentransport und die rRNA, signifikant häufiger in der Nähe von tRNA-Genen lokalisiert sind, was auf eine effiziente lokale Ko-Regulation hindeutet.
Die Studie stellt pertTF vor, ein auf Transformer-Architekturen basierendes KI-Modell, das genetische Perturbationseffekte auf Einzelzellebene über verschiedene Zelltypen und Kontexte hinweg präzise vorhersagt und dabei sowohl Genexpressionsänderungen als auch Verschiebungen der Zellidentität erfasst.
Die Studie entwickelt einen Simulationsrahmen, um zu zeigen, dass hierarchisches Reinforcement Learning unter Unsicherheit und verzögertem Feedback effektivere Antibiotika-Verschreibungsstrategien zur Bekämpfung von Resistenzen erlernt als starre Regeln oder flache Modelle, wobei Patientenheterogenität und die Beobachtungsstruktur entscheidend für den Erfolg sind.
Diese Studie zeigt, dass Strigolactone die Entwicklung des Bananenknollens (Corm) bei der Sorte Pisang Awak hemmen, indem sie über das Gen SPL15 ein komplexes hormonelles Netzwerk aus Auxin, Cytokinin, ABA, BR, GA und JA integrieren.
Diese Arbeit demonstriert, wie konforme Vorhersage genutzt werden kann, um aus Massenspektren zuverlässige, spektrumsspezifische Kandidatenmengen für die Molekülidentifikation zu generieren, die eine garantierte Trefferrate bieten und dabei sowohl unter idealen Bedingungen als auch bei Verteilungsverschiebungen robust funktionieren.
Das Paper stellt pipeML vor, ein flexibles R-Framework für das maschinelle Lernen, das durch die unabhängige Neuberechnung globaler Datensatzmerkmale innerhalb jeder Kreuzvalidierungsfalte eine Datenleckage verhindert und so realistischere Leistungsschätzungen für omiksbasierte klinische Vorhersagemodelle ermöglicht.
Diese Studie integriert erstmals replikationszeitbasierte Proxy-Daten und morphologische Merkmale in personalisierte LIONESS-Genregulationsnetzwerke, um die Subtypisierung des Pankreaskarzinoms zu verbessern und zeigt, dass diese epigenetischen und bildbasierten Ansätze die Netzwerkrückhaltigkeit erhöhen sowie klinisch relevante regulatorische Strukturen identifizieren können.
AetherCell ist ein generatives Fundamentmodell, das durch die Vereinheitlichung klinischer und experimenteller Transkriptomdaten eine präzise Vorhersage von Arzneimittelwirkungen und genetischen Perturbationen über verschiedene biologische Skalen hinweg ermöglicht und so die Entdeckung neuer Therapien wie Teriflunomid und Dabigatran beschleunigt.
Diese Studie optimiert den metagenomischen Klassifizierer Metabuli durch die Einführung von spaced metamers, reduzierten Aminosäurealphabeten und Syncmern, wodurch die Sensitivität und Präzision gesteigert sowie die Datenbankgröße halbiert und die Klassifizierungsgeschwindigkeit verdoppelt werden.
Die DCS Tools sind eine hochoptimierte, hardwareunabhängige Software-Suite für die populationsbasierte Genomanalyse, die durch eine 16-fache Beschleunigung der Variantenerkennung und eine bis zu 80 %ige Reduktion des Speicherbedarfs eine kosteneffiziente Lösung für die Verarbeitung petabytegroßer genomischer Datensätze bietet.