1245 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 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.
DiaReport ist ein Open-Source-R-Paket, das einen reproduzierbaren Workflow für die differentielle Expressionsanalyse von DIA-basierten Proteomikdaten bereitstellt und dabei statistische Modellierung mit der Generierung interaktiver HTML-Berichte über Quarto kombiniert.
Die Studie zeigt, dass transformerbasierte Modelle wie AlphaFold2 und ESMFold bei der Vorhersage der Tertiärstruktur von Waisenproteinen ohne Homologie zu bekannten Familien versagen, während sie Sekundärstrukturelemente dennoch mit einer durchschnittlichen Übereinstimmung von etwa 70 % zuverlässig erfassen.
Diese Studie beschreibt die rechnerische Entwicklung selektiver, orthogonaler IL-2/IL-2RB-Varianten für CAR-T-Zellen mittels AlphaFold3 und physik-informierter maschinellem Lernen, um deren therapeutische Wirksamkeit zu steigern und systemische Toxizitäten zu minimieren.
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.
Das Paper stellt HitAnno vor, ein hierarchisches Sprachmodell, das eine robuste und skalierbare Zelltyp-Annotation für Atlas-level scATAC-seq-Daten ermöglicht, indem es Zell-spezifische Peaks nutzt, um zugängliche Chromatin-Profile hierarchisch zu erfassen und dabei sowohl Haupt- als auch seltene Zelltypen in verschiedenen Szenarien präzise zu annotieren.
Dieses Paper stellt AlphaFind v2 vor, eine Anwendung zur schnellen und biologisch relevanten Suche nach strukturell ähnlichen Proteinen in der AlphaFold-Datenbank und der TED-Domänendatenbank, die durch eine Kombination aus Embedding-basiertem Vorfiltern und US-align-Verfeinerung verschiedene Suchmodi wie pLDDT-bewusste Analysen und multidomänische Vergleiche ermöglicht.