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.
Die Autoren stellen mit Openfish und Slorado eine vollständig quelloffene, hardwareunabhängige GPU-beschleunigte Lösung für die Nanopore-Basecalling vor, die die proprietären Beschränkungen von ONT Dorado überwindet und dabei eine vergleichbare Genauigkeit und Skalierbarkeit auf heterogenen Systemen gewährleistet.
Das Paper stellt scMagnifier vor, ein Konsens-Clustering-Framework, das durch GRN-gestützte In-silico-Perturbationen und rpcUMAP-feine Zell-Subtypen in scRNA-seq- und räumlichen Transkriptomdaten mit höherer Auflösung und Genauigkeit identifiziert.
Die Studie zeigt, dass strukturelle Varianten in *Caenorhabditis elegans* stammspezifische Rekombinationsbarrieren bilden, die paradoxerweise bei höherer Auskreuzungsrate zu einer stärkeren Akkumulation von Mutationen führen und damit die klassische Annahme widerlegen, dass Auskreuzung allein schädliche Mutationen effizienter entfernt.
Die Studie stellt einen allgemeinen Tiling-Algorithmus vor, der mithilfe von präzisen PacBio-Lesestrecken die strukturelle Charakterisierung von AAV-Genomen ermöglicht und dabei Herausforderungen wie Inversionen, Replikationsartefakte und Verunreinigungen überwindet, um selbst seltene Sequenzvarianten in der Population zu identifizieren.
RNApdbee 3.0 ist ein einheitlicher Webserver, der aus 3D-Koordinaten eine umfassende Annotation der RNA-Sekundärstruktur liefert, indem er verschiedene Interaktionstypen klassifiziert, inkonsistente Datenformate standardisiert und Ergebnisse in gängigen Formaten sowie grafischen Visualisierungen bereitstellt.
KyDab ist eine umfassend kuratierte Datenbank, die standardisierte Antikörper-Entdeckungsdaten von der Kymouse-Plattform bereitstellt und damit eine wertvolle Ressource für die Entwicklung und Evaluierung künstlicher Intelligenzmodelle zur Antikörperforschung darstellt.
Diese Arbeit stellt einen Reinforcement-Learning-Ansatz vor, der Diffusionsmodelle für das molekulare Docking so verfeinert, dass sie physikalisch plausible Konformationen und Schlüsselinteraktionen ohne zusätzlichen Rechenaufwand während der Inferenz zuverlässig vorhersagen und dabei sowohl klassische als auch andere maschinelle Lernverfahren übertreffen.
Diese Studie stellt zwei neue Methoden vor, die in der phylogenetischen Maximum-Likelihood-Analyse die Häufigkeit von Abstammungslinien berücksichtigen, um die Genauigkeit der Stammbaum-Rekonstruktion, insbesondere bei SARS-CoV-2, erheblich zu verbessern, indem sie die Platzierung von Sequenzen auf häufige statt seltene Stämme priorisieren.
Das Paper stellt Amaranth vor, einen neuartigen Single-Cell-Transkriptom-Assembler, der durch die diskriminierende Modellierung unterschiedlicher biologischer und statistischer Eigenschaften von UMI- und internen Reads die Genauigkeit der Isoform-Rekonstruktion in Smart-seq3-Daten signifikant verbessert.
Die Studie stellt PerturbGraph vor, ein graphbasiertes Lernframework, das biologische Interaktionsnetzwerke und funktionale Annotationen nutzt, um die Transkriptionsantworten auf bisher unbeobachtete genetische Perturbationen präziser vorherzusagen als bestehende Methoden.