💻 Category

bioinformatics

1012 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.

💻 bioinformatics

DeepTMHMM2 enables accurate prediction of transmembrane protein topology and subcellular location

Das Papier stellt DeepTMHMM2 vor, einen neuartigen Prädiktor, der gleichzeitig eine präzise Vorhersage der Transmembran-Topologie – einschließlich bisher nicht modellierter Re-entrant-Regionen und Grenzflächen-Helices – sowie die subzelluläre Lokalisation über 17 biologische Membranen hinweg erreicht und dabei das weit verbreitete Vorkommen von Nicht-Durchquerungs-Segmenten im Proteom aufzeigt.

Teufel, F., Hallgren, J., Nielsen, H., Krogh, A., Tsirigos, K. D., Winther, O.2026-08-27
💻 bioinformatics

Interpretable Forecasting of Kidney Cancer Progression via Generative AI and Symbolic Reasoning

Diese Arbeit präsentiert ein hybrides Framework, das einen Variational Autoencoder zur Generierung synthetischer longitudinaler Trajektorien aus Querschnittsdaten des Nierenzellkarzinoms mit einem symbolischen Regelinduktionssystem kombiniert, um interpretierbare, probabilistische Prognosen der Krankheitsprogression zu erstellen, die die Genauigkeit von Deep Learning erreichen und gleichzeitig transparente, für Menschen lesbare Einblicke in die zugrunde liegenden molekularen Mechanismen bieten.

Prol-Castelo, G., Syrri, E., Manginas, N., Manginas, V., Sanchez-Valle, J., Katzouris, N., Paliouras, G., Valencia, A. (…)2026-08-26
💻 bioinformatics

HIDE-Deconv: A hierarchical deconvolution framework for multiscale characterization of cellular remodeling

HIDE-Deconv ist ein Open-Source-Framework für hierarchische Dekonvolution, das die Schätzungen der Zellzusammensetzung über mehrere Auflösungsebenen hinweg gemeinsam optimiert, um biologisch relevante zelluläre Umbauprozesse in Krankheiten wie Lungenadenokarzinom und Sepsis aufzudecken, wobei es bestehende Methoden mit einzelner Auflösung übertrifft.

Goertler, F., Voelkl, D., Bolz, S., Rayford, A., Stevenson, T., Sterr, T., Mensching-Buhr, M., Seifert, N., Altenbuching (…)2026-08-26
💻 bioinformatics

Stability-driven multi-omics integration for reproducible latent structure

Diese Arbeit schlägt ein stabilitätsgetriebenes Multi-Omics-Integrationsframework vor, das eine spärliche generalisierte kanonische Korrelationsanalyse mit einer rigorosen Kreuzvalidierung kombiniert, um reproduzierbare latente Strukturen zu identifizieren, und demonstriert dessen Wirksamkeit in einer Schilddrüsenkrebs-Kohorte, indem es konsistente Krankheitsassoziationen sowie zeitliche Veränderungen in metabolomischen und proteomischen Profilen aufzeigt.

Guan, H., Gerwen, M. v., Kim-Schulze, S., Colicino, E., Dolios, G., Petrick, L.2026-08-25
💻 bioinformatics

Benchmarking the robustness of segmentation models to corruptions in biological imaging

Dieses Paper präsentiert einen umfassenden Benchmark der Robustheit von Segmentierungsmodellen über 30 biologische Bilddatensätze und 36 Korruptionstypen hinweg, wobei aufgezeigt wird, dass eine hohe Leistung bei sauberen Bildern keine Korruptionsresistenz garantiert und dass ältere Methoden wie StarDist moderne Foundation-Modelle übertreffen können, wobei Ausfälle primlich in den frühen Kodierungsschichten auftreten.

Kesenci, Y., Le Folgoc, L., Angelini, E.2026-08-25
💻 bioinformatics

Benchmarking antibody-antigen co-folding on human monomeric antigens

Diese Studie führt den HuMonoAg-Bench-Benchmark zur Evaluierung von zehn Antikörper-Antigen-Co-Folding-Protokollen ein und zeigt auf, dass neuere Methoden zwar die CDRH3-Modellierung signifikant verbessert und für etwa die Hälfte der Post-Cutoff-Komplexe eine mittlere oder bessere Genauigkeit erreicht haben, Herausforderungen bei der Abtastung korrekter Bindungsmodi und der Modellierung flexibler Loops bestehen bleiben, was die Vorhersage vieler strukturell heterogener Komplexe einschränkt.

Park, M., Nett, R., Petersen, B., Sivasubramanian, A.2026-08-24
💻 bioinformatics

Kiosc: an integrated platform for managing bioinformatics data analysis containers

Kiosc ist eine selbst gehostete, benutzerfreundliche Webplattform auf Basis von Django, die die Orchestrierung, Organisation und Zugriffskontrolle von Docker-containerisierten Bioinformatik-Webanwendungen vereinfacht und eine Alternative mit geringerem Overhead zu Kubernetes zum Teilen interaktiver Analyseergebnisse bietet.

Marotta, F., Stolpe, O., Obermayer, B., Weiner, J., Holtgrewe, M., Beule, D., Nieminen, M.2026-08-24
💻 bioinformatics

Microenvironment-informed inference of transcriptional progression geometry

Das Paper stellt BIOCURRENT vor, ein Framework für kausale Inferenz, das die spenderspezifische Pseudotime-Geometrie rekonstruiert, um zu quantifizieren, wie mikroumweltbedingte Kontexte transkriptionelle Progressionsintervalle verzerren, wodurch stadienspezifische Abweichungen und potenzielle Interventionskontrollpunkte in komplexen biologischen Systemen wie der T-Zell-Entwicklung und der COVID-19-bedingten Immunfehlregulation identifiziert werden.

Kobara, S., Rahman, S. A., Ribeiro, S. P., Coopersmith, C. M., Kamaleswaran, R.2026-08-24