1197 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.
MetaGEAR Explorer ist eine webbasierte Plattform, die eine interaktive und programmierbare Analyse von über 33 Millionen mikrobiellen Genfamilien aus 9.053 Metagenom-Proben ermöglicht, um krankheitsassoziierte Gene und deren funktionelle Zusammenhänge über verschiedene Kohorten hinweg schnell zu identifizieren und zu untersuchen.
Die Studie zeigt, dass das KI-Modell Boltz-2 bei der virtuellen Screening-Herausforderung mit schwer zu klassifizierenden Datensätzen die beste Leistung erbringt und dabei eine doppelt so hohe Erfolgsrate wie andere Strategien erreicht, was präzise Rankings von Millionen von Verbindungen auf handelsüblicher Hardware ermöglicht.
Die Studie stellt SIR (Synergy via Isotonic Regression) vor, ein nichtparametrisches Framework mit wilder Bootstrap-Schätzung, das durch die Definition von Synergie als Abweichung von einer monoton-additiven Nullhypothese zuverlässigere p-Werte und höhere Reproduzierbarkeit bei der Identifizierung synergistischer Wirkstoffkombinationen im Vergleich zu bestehenden Methoden ermöglicht.
Dieses Paper stellt CosMxScope vor, ein leichtgewichtiges Open-Source-Framework, das die nahtlose Integration und Visualisierung von CosMx-Spatial-Transkriptomik-Daten in digitalen Pathologie-Umgebungen wie QuPath ermöglicht, indem es Rohdaten in rekonstruierte Ganzschnittbilder und GeoJSON-Objekte umwandelt.
Das Paper stellt den „Track Hub Quickload Translator" vor, eine webbasierte Anwendung, die Konfigurationsdateien zwischen dem UCSC Genome Browser und dem Integrated Genome Browser konvertiert und so Forschern erstmals den Zugriff auf Zehntausende veröffentlichter Genomassemblierungen in beiden Browsern ermöglicht.
Das in Python entwickelte VaLPAS-Framework nutzt experimentelle Multi-Omics-Daten, um durch statistische Assoziationsanalysen und das Prinzip der „Schuld durch Assoziation" bisher unbekannte Proteinfunktionen aufzuklären und so die funktionelle Dunkelheit im Proteinspace zu verringern.
Die Studie stellt MOAflow vor, einen mit Nextflow und Container-Technologien neu gestalteten und portablen Workflow für die Analyse von MOA-seq-Daten, der durch Modularisierung die Skalierbarkeit, Reproduzierbarkeit und Effizienz bestehender Bioinformatik-Pipelines erheblich verbessert.
Diese Studie nutzt KI-gestützte Strukturvorhersagen, um zu zeigen, dass die hydrophobe Ligandenbindungstasche im TLR2-Rezeptor bei Wirbeltieren konserviert ist, während vergleichbare Strukturen in wirbellosen TLRs unabhängig durch konvergente Evolution entstanden sind.
CLOP-DiT ist ein modulares Drei-Stufen-Verfahren, das mittels kontrastiven Text-Zell-Alignments und eines Diffusions-Transformers realistische synthetische Einzelzell-Transkriptomprofile aus strukturierten biologischen Beschreibungen generiert und damit die Machbarkeit textgesteuerter Zellzustands-Simulationen demonstriert.
Diese Studie entwickelt und bewertet computergestützt ein synthetisches GluN1-Peptid-Mimetikum, das als molekularer Köder zur Neutralisierung pathogener Autoantikörper bei der anti-NMDAR-Enzephalitis dient und dabei eine signifikant höhere Bindungsaffinität als eine Kontrollsequenz aufweist.