💻 Category

bioinformatics

1197 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.

💻 Bioinformatik

Structure-Based and Stability-Validated Prioritization of BACE1 Inhibitors Integrating Meta-Ensemble QSAR and Molecular Dynamics

Diese Studie stellt einen robusten, biologisch fundierten computergestützten Rahmen vor, der Meta-Ensemble-QSAR, strukturbasiertes Docking und Molekulardynamik-Simulationen integriert, um stabile BACE1-Inhibitoren für die Alzheimer-Therapie zu identifizieren und dabei einen vielversprechenden Leitkandidaten (Mol-2) mit günstigen CNS-Eigenschaften hervorzuheben.

Chowdhury, T. D., Shafoyat, M. U., Hemel, N. H., Nizam, D., Sajib, J. H., Toha, T. I., Nyeem, T. A., Farzana, M., Haque (…)2026-04-10
💻 Bioinformatik

TCMCard: A High-Confidence Digital Infrastructure for Traditional Chinese Medicine Quantified by Multi-Dimensional Evidence Integration

Die Studie stellt TCMCard vor, eine hochvertrauenswürdige digitale Infrastruktur, die durch die Integration multidimensionaler Evidenz und einen strengen Vorverarbeitungsprozess Rauschen in Netzwerkpharmakologie-Daten reduziert und so eine zuverlässigere Grundlage für das Verständnis der Synergieeffekte traditioneller chinesischer Medizin bietet.

Wang, Y., Dong, W., Yao, J., Wang, K., Zhang, L., Wang, Y., Guo, S., Li, H., Cai, H., Wang, X., Li, Y.2026-04-10
💻 Bioinformatik

Generating, curating, and evaluating trnL reference sequence databases: Benchmarking OBITools3/ecoPCR, RESCRIPt, and MetaCurator

Diese Studie vergleicht systematisch die Datenbank-Tools OBITools3/ecoPCR, RESCRIPt und MetaCurator zur Generierung und Bewertung hochwertiger trnL-Referenzdatenbanken für die Pflanzen-DNA-Metabarcodierung und stellt die resultierenden Ressourcen sowie den vollständigen Workflow zur Verfügung.

KUDDAR, O. S., Meiklejohn, K. A., Callahan, B. J.2026-04-10
💻 Bioinformatik

Deep learning enables direct HLA typing from immunopeptidomics data

Die Studie stellt „Immunotype" vor, einen auf Deep Learning basierenden Ensemble-Prädiktor, der eine direkte und genaue HLA-Klass-I-Allotypisierung aus immunopeptidomischen Massenspektrometriedaten ermöglicht und so eine schnelle sowie kosteneffiziente Charakterisierung großer Datensätze erlaubt.

Pilz, M., Scheid, J., Bauer, A., Lemke, S., Sachsenberg, T., Bauer, J., Nelde, A., Stadelmaier, J., Walter, A., Rammense (…)2026-04-10
💻 Bioinformatik

Benchmarking ambient RNA removal across droplet and well-plate platforms reveals artificial count generation as a critical failure mode of scAR and CellClear

Diese Studie zeigt durch einen systematischen Vergleich von sechs Werkzeugen zur Entfernung von Ambient-RNA, dass Tools wie scAR und CellClear durch die künstliche Erzeugung neuer Zellen und die Verfälschung von Zählmatrizen versagen, während CellBender und SoupX eine zuverlässige und skalierbare Bereinigung bieten.

Schroeder, L., Gerber, S., Ruffini, N.2026-04-10
💻 Bioinformatik

Statistical Principles Define an Open-Source Differential Analysis Workflow for Mass Spectrometry Imaging Experiments with Complex Designs

Diese Arbeit stellt einen Open-Source-Workflow auf Basis von R vor, der statistische Prinzipien nutzt, um eine robuste Differenzanalyse für Massenspektrometrie-Bildgebungsexperimente mit komplexen Versuchsdesigns zu ermöglichen, und unterstreicht dabei die Bedeutung angemessener Signalverarbeitung, Regionsauswahl und statistischer Modellierung.

Rogers, E. B. T., Lakkimsetty, S. S., Bemis, K. A., Schurman, C. A., Angel, P. A., Schilling, B., Vitek, O.2026-04-10
💻 Bioinformatik

DIANA: Deep Learning Identification and Assessment of Ancient DNA

Die Studie stellt DIANA vor, ein auf Deep Learning basierendes Multi-Task-Neurales Netzwerk, das aus Unitig-Häufigkeiten präzise Metadaten für alte Metagenomdaten vorhersagt und dabei durch semantische Generalisierung auch Proben mit unbekannten Labels korrekt klassifiziert, um die Qualitätskontrolle und Entdeckung in der Forschung zu beschleunigen.

Duitama Gonzalez, C., Lopopolo, M., Nishimura, L., Faure, R., Duchene, S.2026-04-10
💻 Bioinformatik

Divergent landscapes of positive and negative selection signatures across residue-resolved human-virus protein-protein interaction interfaces

Diese Studie integriert evolutionäre Daten von Mensch-Virus-Protein-Interaktionen mit Kontaktkarten, um zu zeigen, dass sich positive und negative Selektionssignaturen auf den Schnittstellen virus-targetierter Wirtsproteine räumlich unterschiedlich organisieren, wobei positiv selektierte Residuen in mimetischen Schnittstellen stärker gebündelt sind und adaptive Evolution fokussieren.

Su, W.-C., Xia, Y.2026-04-10
💻 Bioinformatik

CoPhaser: generic modeling of biological cycles in scRNA-seq with context-dependent periodic manifolds

CoPhaser ist ein neuartiger, interpretierbarer Algorithmus, der mittels eines biologisch informierten Variational Autoencoders kontinuierliche periodische Manigfaltigkeiten aus scRNA-seq-Daten extrahiert, um zelluläre Identität und biologische Rhythmen wie den Zellzyklus oder circadiane Uhren kontextabhängig zu entwirren und dabei neue biologische Erkenntnisse in verschiedenen Krankheits- und Entwicklungsmodellen zu liefern.

Paychere, Y., Salati, A., Gobet, C., Naef, F.2026-04-09