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.
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.
Diese Studie liefert biochemische Belege dafür, dass oral aufgenommene dsRNA beim Kartoffelkäfer (*Leptinotarsa decemlineata*) in das zentrale Nervensystem gelangt und dort zu funktionalen siRNAs prozessiert wird, die in den RNAi-Silencing-Maschinerie eingebaut werden.
Das Papier stellt SpliceSelectNet (SSNet) vor, ein hierarchisches, auf Transformern basierendes Deep-Learning-Modell, das durch die Integration lokaler und globaler Aufmerksamkeitsmechanismen präzise Splice-Stellen über lange DNA-Sequenzen hinweg vorhersagt und dabei sowohl hohe Leistung als auch biologische Interpretierbarkeit bietet.
Fleming ist ein integrativer KI-Agent, der durch die Kombination diskriminierender und generativer Modelle auf einer großen Datenbasis neue Wirkstoffkandidaten gegen Mycobacterium tuberculosis identifiziert und dabei sowohl eine hohe In-vitro-Treffquote als auch günstige ADMET-Eigenschaften nachweist.
FLAMESv2 ist ein hochmodulares und protokollunabhängiges R/Bioconductor-Paket, das eine flexible und genaue Analyse von RNA-Isoformen und alternatives Spleißen in langen Leseweiten-basierten Einzelzell- und räumlichen Transkriptom-Datensätzen ermöglicht.
Das Paper stellt mnDINO vor, ein auf Vision-Transformer-Netzwerken basierendes Segmentierungsmodell, das mithilfe eines heterogenen Datensatzes mit über 5.000 annotierten Mikronuklei eine präzise und robuste Detektion dieser subzellulären Strukturen unter verschiedenen experimentellen Bedingungen ermöglicht.
Diese Studie stellt die neue konsensbasierte Aminosäure-Austauschbarkeitsmaßzahl DEX vor, die durch die Kombination experimenteller Daten und Deep-Mutational-Scanning-Ergebnisse die bisherige Modellierung von Codon-Substitutionen in verschiedenen evolutionären Linien verbessert.
Diese Studie präsentiert Benchmark-Ergebnisse zur Optimierung der BEAGLE-Parameter in BEAST X, um durch gezielte Hardware-Allokation (insbesondere GPU-Nutzung) die Rechenzeit phylogenetischer Analysen signifikant zu verkürzen.
Die Studie stellt IFACE vor, ein neuartiges Framework, das durch probabilische Kopplung intrinsischer Geometrie und chemischer Felder eine einheitliche Distanzmetrik für Proteinoberflächen entwickelt, um funktionell relevante Interaktionsstellen präziser zu identifizieren als herkömmliche Methoden.
Diese Studie stellt eine neue Methodik vor, die das Protein-Sprachmodell ESM-2 mit zyklischer Permutationsmittelung kombiniert, um einen umfassenden Vektorraum für zyklische Peptide zu definieren, der eine effizientere und gleichmäßigere Exploration des chemischen Raums für die KI-gestützte Wirkstoffentwicklung ermöglicht.