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.
Dieser Artikel stellt einen konsensbasierten, wissenschaftlich fundierten Bewertungsrahmen vor, der eine standardisierte Definition für „bedenkliche Sequenzen" liefert, um die Biosecurity-Screening-Prozesse für Nukleinsäuren zu vereinheitlichen und die Diskrepanzen bei der Klassifizierung potenziell riskanter Sequenzen erheblich zu verringern.
Die Studie zeigt, dass viele weit verbreitete Methoden zur Differenzanalyse von Mikrobiom-Daten unter Nullbedingungen systematisch verzerrte p-Werte liefern, während einfachere statistische Ansätze wie der t-Test und der Wilcoxon-Test robustere und zuverlässigere Ergebnisse bieten.
Das Paper stellt Ryder vor, ein flexibles Python-Paket zur Normalisierung epigenomischer Daten, das mithilfe stabiler interner Referenzregionen technische Variabilität korrigiert und so die Zuverlässigkeit biologischer Signalentdeckungen über verschiedene Assays hinweg verbessert.
Die Arbeit stellt HKS vor, eine datenstrukturelle Lösung auf Basis der Spectral Burrows-Wheeler Transform, die eine exakte, verlustfreie Annotation genomischer Merkmale mittels variabler K-Mer-Längen ermöglicht und durch einen hierarchiebewussten Glättungsalgorithmus die Spezifität bei mehrdeutigen Zuordnungen signifikant verbessert.
Die Studie stellt HARVEST vor, ein autonomes Multi-Agenten-System auf Basis von Large Language Models, das erfolgreich Millionen von bisher unzugänglichen bioaktiven Daten aus Pharmapatenten extrahiert, damit eine neue Benchmark (H-Bench) erstellt und fundamentale Generalisierungslücken bestehender KI-Modelle aufdeckt.
Die Studie stellt PREMISE vor, ein probabilistisches, alignierungsbasiertes Framework in Rust, das durch die Integration von Qualitätsdaten und einem Expectation-Maximization-Algorithmus eine präzisere Identifizierung von Influenza-A-Viren und die Detektion von Mischinfektionen oder Reassortment-Ereignissen ermöglicht als herkömmliche k-mer-basierte Methoden.
Die Studie stellt Zigo vor, eine maschinell gelernte, referenzfreie Methode zur Geschlechtsbestimmung aus Standard-VCF-Dateien, die durch eine polynomiale Gleichung manuelle Schwellenwertanpassungen eliminiert und dabei hohe Genauigkeit sowie Robustheit über verschiedene Genomdatentypen hinweg gewährleistet.
Die Arbeit stellt eine neue Methode vor, die durch Interpolation und Extrapolation von Knotenanzahlen in farbigen komprimierten de-Bruijn-Graphen sowie die Anwendung von Hill-Zahlen zur Gewichtung seltener Sequenzen die Vergleichbarkeit von Pangenomen trotz unterschiedlicher Genomzahlen und des Einflusses seltener Varianten ermöglicht.
Das Paper stellt SpeciefAI vor, einen auf Transformern basierenden Multi-Spezies-Modellansatz, der mRNA-codierte Antikörper- und Nanobody-Rahmenregionen (FRs) generiert, die auf spezifische CDRs und Wirtsspezies (z. B. Mensch und Hund) zugeschnitten sind, um eine effiziente Expression und minimale Immunogenität zu gewährleisten.
Diese Arbeit führt das Konzept der durch Pangenom-Graphen induzierten Homologierelation ein, um metrikbasierte Vergleichsmethoden und Transformationen zwischen Variation Graphs und Whole Genome Alignments zu entwickeln, die im Paket WGAtools implementiert sind.