💻 Category

bioinformatics

1180 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.

💻 Bioinformatik

Pre-binning correction of chimeric contigs reduces reference-discordant gene annotations in near-complete metagenome-assembled genomes

Die Studie stellt DeepMM vor, ein Deep-Learning-Tool, das interspezifische chimäre Contigs in metagenom-assemblierten Genomen vor dem Binning erkennt und korrigiert und dadurch die Anzahl der referenzdiskordanten Gen- und Virulenzfaktor-Annotationen signifikant reduziert, die von standardmäßigen markerbasierten Qualitätskontrollen oft übersehen werden.

Ding, Y., Xiao, J., Zou, B., Yang, C., Wu, Z., Lyu, A., Zhang, L.2026-10-15
💻 Bioinformatik

Joint Variable Selection for Omic Biomarkers in Time-to-Event Data

Das Papier stellt vampW vor, eine neuartige, voll parametrische Bayes-Methode auf Basis von Vector Approximate Message Passing und einem Weibull-Modell, die herkömmliche marginale Tests sowie andere gemeinsame Modelle übertrifft, indem sie durch die effektive gemeinsame Modellierung korrelierter Multi-Omics-Biomarker und Zeit-bis-Ereignis-Daten die Anzahl der Falschentdeckungen signifikant reduziert und die Vorhersage des Krankheitsausbruchs verbessert.

Bajzik, J., Depope, A., Zolfimoselo, Y., Sharipov, A., Lesayova, A., Klein, H., Richmond, A., Vernardis, S., Grauslys, A (…)2026-10-14
💻 Bioinformatik

Toxicity by Consortium Revisited: Structural Neighbors and Cross-Family Reach

Diese Studie überprüft eine Methode zur Vorhersage der Toxizität mittels nächstgelegener Nachbarn aus dem Jahr 2003 unter Verwendung aktualisierter öffentlicher Daten, um deren Genauigkeit für die orale LD50 bei Ratten und 28 weitere Endpunkte zu validieren, während sie gleichzeitig aufzeigt, dass ein Reverse-Screening-Ansatz, der die strukturelle Reichweite einer Verbindung über Proteinfamilien hinweg misst, die Toxizitätsvorhersage signifikant verbessert, indem er Promiskuität über Standard-Physicochemikalien hinaus erfasst.

Muskal, S. M., Jha, S. K., Kishore, P., Tyagi, P.2026-10-14
💻 Bioinformatik

DNA-LLM2Vec: Architecture-Aware Task-Conditioned Adaptation of Decoder DNA Foundation Models

DNA-LLM2Vec führt ein mehrstufiges Framework ein, das gerichtete Decoder-basierte DNA-Fundamentmodelle in bidirektionale Encoder umwandelt, und zeigt damit auf, dass die optimale Anpassungsstrategie für nachgelagerte genomische Aufgaben sowohl von der spezifischen Aufgabenstruktur als auch von der zugrunde liegenden Modellarchitektur abhängt.

Liang, Y., Zhai, K., Gan, Y., Li, S., Shao, J., Watson, G. H., Poesio, M.2026-10-14
💻 Bioinformatik

E3 Ligase Ligandalyzer: A Structure-First, Ligand-Centric Platform for E3 Ligase Recruiter Selection

Das Paper stellt E3 Ligase Ligandalyzer vor, eine frei zugängliche, strukturorientierte Webplattform, die durch integrierte chemoinformatische und strukturelle Workflows die vergleichende Analyse experimentell gelöster E3-Ligase-Rekruter-Komplexe ermöglicht, um das nachgeschaltete Design von Degradern zu erleichtern.

Schulz, J. M., Bardhan, M., Reynolds, R., Leroy, G., Reinberg, D., Schurer, S. C. M.2026-10-14
💻 Bioinformatik

NCI-Profiler: automated protein-ligand interaction detection and visualization

Die Autoren präsentieren NCI-Profiler, ein kostenloses automatisiertes Werkzeug, das neun Arten von nicht-kovalenten Protein-Ligand-Interaktionen direkt aus Strukturkoordinaten mit höherer Genauigkeit und Geschwindigkeit als bestehende Tools wie PLIP erkennt und visualisiert, während es gleichzeitig eine verbesserte Abdeckung für komplexe Fälle wie Metallkoordination und makrozyklische Liganden bietet.

Sharma, R., Lee, E. Y.2026-10-14
💻 Bioinformatik

AlphaFold3 and Intrinsically Disordered Proteins: Reliable Monomer Prediction, Unpredictable Multimer Performance

Diese Studie zeigt auf, dass AlphaFold3 zwar intrinsisch ungeordnete Monomere zuverlässig vorhersagt, indem es aus Trainingsdaten lernt, seine Multimer-Vorhersagen jedoch aufgrund starrer struktureller Prioren, die die Eingabeinformationen überlagern, unvorhersehbar bleiben, was die kritische Notwendigkeit von ungeordnetheitsangereicherten Datensätzen und Ensemble-Sampling gegenüber bloßer architektonischer Innovation hervorhebt.

Dao, T. M., Ghent, S., Uversky, V. N., Rahman, T.2026-10-13
💻 Bioinformatik

LOCALE: Local-Alignment Embeddings for Noise-Robust DNA Search at Scale

LOCALE führt ein rauschrobustes DNA-Suchframework ein, das die Sequenzabfrage als dichte Abfrage (dense retrieval) unter Verwendung eines mit InfoNCE trainierten Encoders neu konzipiert, um variations-tolerante Embeddings zu generieren, wodurch es bestehende k-mer-Indizes und bisherige Embedding-Methoden hinsichtlich Genauigkeit und Skalierbarkeit über Petabase-große Repositorien hinweg signifikant übertrifft.

Synk, R., Pandey, P., Sahinalp, C., Duraiswami, R.2026-10-13
💻 Bioinformatik

VirtualSkin integrates skin-cell identity with intervention-response prediction

VirtualSkin ist ein Zell-Sprachmodell, das die Identität von Hautzellen erfolgreich mit der Vorhersage von Interventionsreaktionen integriert und eine verbesserte Genauigkeit bei der Annotation entzündlicher Hautzustände sowie bei der Prognose zellulärer Antworten über verschiedene Krankheiten, anatomische Standorte und Perturbationen hinweg demonstriert.

Velland, M., Norwick, E., Ardene, S., Marwick, T., Corven, L., Solmere, A., Calder, N., Quillon, R., Renn, I., Elian, M.2026-10-13
💻 Bioinformatik

Do LLM Proposers Improve Budgeted Search for Ionizable Lipids?

Diese Studie führt das LEAF-Framework ein, um zu bewerten, ob Sprachmodelle die budgetierte molekulare Suche nach ionisierbaren Lipiden verbessern, wobei festgestellt wurde, dass Zero-Shot-LLM-Vorschlagssysteme trotz unterschiedlicher Grade an Evidenz-Einbindung nicht in der Lage sind, klassische Baselines wie genetische Algorithmen zu übertreffen, was auf hohe Duplikationsraten und einen Mangel an echten Leistungssteigerungen zurückzuführen ist.

Singh, H., SINGH, R. K., Krishna, C. S., Srivastava, S. P., Gorantla, R.2026-10-13