💻 Category

bioinformatics

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.

💻 bioinformatics

Integrated Artificial Intelligence and Quantum Chemistry Approach for the Rational Design of Novel Antibacterial Agents against Ralstonia solanacearum.

Diese Studie stellt einen integrierten Ansatz aus künstlicher Intelligenz und Quantenchemie vor, der zur rationalen Entwicklung der neuartigen antibakteriellen Verbindung Solres führt, die als vielversprechender Kandidat zur Bekämpfung von Ralstonia solanacearum und zur Eindämmung antimikrobieller Resistenzen in der Landwirtschaft dient.

Gulumbe, D. A., Tiwari, G., Lohar, T., Nikam, R., Kumar, A., Giri, S.2026-03-17
💻 bioinformatics

Learning Universal Representations of Intermolecular Interactions with ATOMICA

Das Paper stellt ATOMICA vor, ein geometrisches Deep-Learning-Modell, das universelle, mehrskalige Repräsentationen von intermolekularen Schnittstellen über fünf verschiedene Modalitäten hinweg lernt und damit neue Möglichkeiten für die Vorhersage von Ligandenbindungen, insbesondere in unbekannten Proteinen, eröffnet.

Fang, A., Desgagne, M., Zhang, Z., Zhou, A., Loscalzo, J., Pentelute, B. L., Zitnik, M.2026-03-16
💻 bioinformatics

Metagenomic-scale analysis of the predicted protein structure universe

Die Studie kombiniert über 820 Millionen computergenerierte Proteinstrukturen aus AlphaFold2 und ESMfold in einer umfassenden Metagenom-Analyse, die durch Clustering und Qualitätsfilterung tausende neuartige Domänenfaltungen und bisher unbekannte Domänenkombinationen aufdeckt und damit die immense, unerschlossene strukturelle Vielfalt der Proteinwelt beleuchtet.

Yeo, J., Han, Y., Bordin, N., Lau, A. M., Kandathil, S. M., Kim, H., Levy Karin, E., Mirdita, M., Jones, D. T., Orengo (…)2026-03-16
💻 bioinformatics

BiOS: An Open-Source Framework for the Integration of Heterogeneous Biodiversity Data

Dieser Beitrag stellt BiOS vor, ein Open-Source-Framework, das durch eine modulare Architektur und die strikte Einhaltung der FAIR-Prinzipien die Integration heterogener Biodiversitätsdaten ermöglicht und sowohl eine programmatische API für Forscher als auch eine benutzerfreundliche Weboberfläche für die Datenexploration bietet.

Roldan, A., Duran, T. G., Far, A. J., Capa, M., Arboleda, E., Cancellario, T.2026-03-16
💻 bioinformatics

SC-BIG: A Hierarchical Bayesian Model for Bulk-Informed Single Nucleotide Variant Calling in Single Cells

Die Studie stellt SC-BIG vor, ein hierarchisches bayessches Modell, das Bulk-Sequenzierungsdaten nutzt, um durch die gemeinsame Schätzung der Krebszellfraktion und die Berücksichtigung von Kopienzahlveränderungen die Genauigkeit und Zuverlässigkeit der somatischen SNV-Erkennung in einzelnen Zellen im Vergleich zu bestehenden Methoden zu verbessern.

Schuette, D., Kono, T. J. Y., Schwarz, R. F.2026-03-16
💻 bioinformatics

An explanatory benchmark of spatial domain detection reveals key drivers of method performance

Diese Studie präsentiert eine umfassende Benchmark-Analyse von 26 Methoden zur Erkennung räumlicher Domänen in der räumlichen Transkriptomik, die auf realen und semi-synthetischen Daten basiert und zeigt, dass Datenauflösung und Zellheterogenität sowie die Wahl der Vorverarbeitung und Clusterung einen größeren Einfluss auf die Leistung haben als architektonische Neuerungen allein.

Descoeudres, A., Prusina, T., Schmidt, N., Do, V. H., Mages, S., Klughammer, J., Matijevic, D., Canzar, S.2026-03-16
💻 bioinformatics

High-Fidelity Long-term Whole-embryo Lineage and Fate Reconstruction by Iterative Tracking with Error Correction

Die Studie stellt ITEC vor, eine vollständig unüberwachte Methode zur hochpräzisen, automatischen Rekonstruktion der gesamten Zelllinien und Schicksalskarten lebender Embryonen über lange Zeiträume hinweg, die durch Fehlerkorrektur eine Genauigkeit von über 99,7 % erreicht und detaillierte Einblicke in morphogenetische Prozesse sowie zelluläre Dynamiken ermöglicht.

Wang, M., Zhang, Q., Wang, C., Chi, Y., Zheng, W., Mu, Z., Cao, X., Zhang, W., Yang, B., Schier, A. F., Acedo, J. N., Wa (…)2026-03-16
💻 bioinformatics

Integrative modeling of read depth and B-allele frequency improves single-cell copy number calling from targeted DNA sequencing panels

Die Studie stellt scPloidyR vor, ein neues statistisches Modell, das durch die kombinierte Analyse von Sequenzierungs-Tiefe und B-Allel-Häufigkeit die Genauigkeit der Detektion von Kopienzahlvarianten in einzelnen Zellen mittels Targeted-Sequenzierung signifikant verbessert, sofern allelische Informationen verfügbar sind.

Pei, D., Griffard-Smith, R., Cano Urrego, B., Schueddig, E.2026-03-16
💻 bioinformatics

Reinforcement Learning for Antibiotic Stewardship: Optimizing Prescribing Policies Under Antimicrobial Resistance Dynamics

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.

Lee, J., Blumberg, S.2026-03-16