💻 Category

bioinformatics

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.

Cross-etiology transcriptomic conservation in hepatocellular carcinoma reveals opposing proliferation and hepatocyte-loss programs validated across cohorts

Die Studie zeigt, dass hepatozelluläre Karzinome unabhängig von der Ätiologie konservierte, gegensätzliche Programme aus Proliferation und Hepatozytenverlust aufweisen, wobei HBV-assoziierte Tumoren zudem einen von der Zellteilung unabhängigen Verletzungsfaktor beinhalten, der durch einen validierten Score über verschiedene Kohorten hinweg quantifiziert werden kann.

Romero, R., Toledo, C.2026-03-13💻 bioinformatics

Learning the All-Atom Equilibrium Distribution of Biomolecular Interactions at Scale

Das Paper stellt AnewSampling vor, ein übertragbares generatives Framework, das mithilfe einer neuartigen Quotientenraum-Architektur und einer großen selbstkuratierten Datenbank erstmals die hochpräzise, all-atomare Gleichgewichtsverteilung biomolekularer Wechselwirkungen effizient und statistisch konsistent mit der Molekulardynamik nachbildet.

Wang, Y., Xu, Y., Li, W., Yu, H., Tan, W., Li, S., Huang, Q., Chen, N., Wu, X., Wu, Q., Liu, K.2026-03-13💻 bioinformatics

Fast and accurate resolution of ecDNA sequence using Cycle-Extractor

Die Studie stellt Cycle-Extractor (CE) vor, ein schnelles und genaues Werkzeug zur Rekonstruktion von ekDNA-Strukturen aus Kurz- und Langread-Sequenzierungsdaten, das durch die Nutzung von Langreads signifikant vollständigere und validierte Ergebnisse liefert als bestehende Methoden.

Faizrahnemoon, M., Luebeck, J., Hung, K. L., Rao, S., Prasad, G., Tsz-Lo Wong, I., G. Jones, M., S. Mischel, P., Y. Chang, H., Zhu, K., Bafna, V.2026-03-13💻 bioinformatics

EoRNA2: Autonomous Data Discovery and Processing for Databasing of Gene Expression Data

Die Arbeit stellt EoRNA2 vor, eine signifikant erweiterte und automatisierte Version der Gersten-Genexpressionsdatenbank, die durch eine zehnfach größere Stichprobengröße, ein überarbeitetes Webinterface und eine neue, umfassende Referenztranskript-Datensatz gekennzeichnet ist, wobei die zugrundeliegende Infrastruktur nun taxonomieneutral und für die Wiederverwendung verfügbar ist.

Milne, L., Simpson, C. G., Guo, W., Mayer, C.-D., Milne, I., Bayer, M.2026-03-13💻 bioinformatics

ATAClone: Cancer Clone Identification and Copy Number Estimation from Single-cell ATAC-seq

ATAClone ist ein neuartiges Werkzeug zur automatisierten Identifizierung von Krebsklonen und zur präzisen Schätzung absoluter Kopienzahlveränderungen aus Einzelzell-ATAC-seq-Daten, das durch die Nutzung stabil zugänglicher Regionen und die Berücksichtigung von Polyploidie die Unterscheidung zwischen genetischen und nicht-genetischen Faktoren in der Tumorheterogenität ermöglicht.

Cain, L. D., Trigos, A. S.2026-03-13💻 bioinformatics

SuperSurv: A Unified Framework for Machine Learning Ensembles in Survival Analysis

Das Paper stellt SuperSurv vor, ein benutzerfreundliches R-Paket, das eine einheitliche Schnittstelle für das Erstellen, Bewerten und Interpretieren von Ensemble-Modellen in der Überlebensanalyse bietet, indem es heterogene Lernalgorithmen auf eine gemeinsame Zeitachse abbildet und fortschrittliche Techniken wie Stacking, Hyperparameter-Optimierung sowie SHAP-basierte Interpretierbarkeit integriert.

Lyu, Y., Huang, X., Lin, S. H., Li, Z.2026-03-13💻 bioinformatics

BioPipelines: Accessible Computational Protein and Ligand Design for Chemical Biologists

Das Open-Source-Framework BioPipelines ermöglicht es experimentell arbeitenden Chemikern, komplexe Workflows für das computergestützte Protein- und Ligandendesign durch eine einfache, modulare Python-Schnittstelle zu definieren und auszuführen, wodurch technische Hürden überwunden und der Fokus auf die wissenschaftliche Fragestellung gelenkt wird.

Quargnali, G., Rivera-Fuentes, P.2026-03-13💻 bioinformatics