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.
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.
Die Studie stellt GCN-Mamba vor, ein Deep-Learning-Framework, das Graph Convolutional Networks mit dem Mamba State Space Model kombiniert, um antibakterielle Synergien präzise vorherzusagen und durch die erfolgreiche Validierung neuer Kombinationen wie Shikimisäure und Oxacillin die Entdeckung wirksamer Therapien gegen resistente Erreger wie MRSA zu beschleunigen.
Die Studie zeigt, dass zero-shot Einbettungen aktueller einzelzell-Grundmodelle (scFMs) im Vergleich zu traditionellen hochvariablen Gen-Baselines bei der Rekonstruktion zellulärer Trajektorien unterdurchschnittlich abschneiden, da sie subtile zeitliche Signale überkomprimieren und dadurch die komplexe Dynamik von Zellzustandsübergängen verwischen.
Die Studie stellt Tv (Variant Tension) als ein kausales, kernelbasiertes Framework vor, das die gerichtete Asymmetrie von Aminosäuresubstitutionen quantifiziert, um evolutionäre Dynamiken zu verstehen und pathogene Varianten zu identifizieren, wobei eine frei zugängliche Webanwendung zur Verfügung gestellt wird.
Die Studie zeigt, dass unter den getesteten Wassermodellen SPC/E in Kombination mit dem AMBER Lipid21-Kraftfeld die beste Übereinstimmung mit experimentellen strukturellen und dynamischen Eigenschaften von POPC- und DPPC-Lipidmembranen erzielt.
Sassy2 ist eine in Rust implementierte Software, die durch die parallele Verteilung mehrerer kurzer DNA-Muster auf SIMD-Ebenen die Batch-Suche nach Mustern mit Fehlern im Vergleich zu Vorgängerversionen und anderen Tools erheblich beschleunigt.
Dieser Artikel beschreibt die nutzergetriebene Entwicklung und Evaluierung von Llemy, einem auf Large Language Models basierenden System zur Analyse komplexer molekularer Interaktionskarten, das durch frühe Einbindung von Fachexperten und kontinuierliches Feedback optimiert wurde, um die Exploration und Zusammenfassung solcher Daten zu erleichtern.
Das Paper stellt GE-BiCross vor, ein hierarchisches Framework mit bidirektionaler Cross-Attention, das genomische und umweltbezogene Daten tief integriert, um die Vorhersage von Genotyp-Umwelt-Interaktionen bei Mais signifikant zu verbessern und dabei konventionelle sowie andere Deep-Learning-Modelle in der Genauigkeit deutlich zu übertreffen.
Diese Studie stellt eine neue Diversitätsmetrik für das Mikrobiom vor, die auf der spektralen Energie eines Graphen-Sheaf-Laplace-Operators basiert und gleichzeitig die taxonomische Zusammensetzung sowie die genomische Architektur berücksichtigt, wodurch sich eine bessere Unterscheidung zwischen gesunden Probanden und Patienten mit entzündlichen Darmerkrankungen ermöglicht.
Die Studie stellt LongHap vor, eine neue Methode zur Phasierung genetischer Varianten, die durch die Integration von Methylierungssignalen aus Long-Read-Sequenzierungsdaten die Genauigkeit und Kontinuität der Haplotyp-Rekonstruktion im Vergleich zu bestehenden Tools signifikant verbessert.