1018 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 Graph Lens Lite vor, ein browserbasiertes Werkzeug zur interaktiven Visualisierung, Analyse und zum Teilen biologischer Netzwerke, das speziell für die Darstellung von Krankheitsmechanismen und Wirkstoffmodellen entwickelt wurde.
Das Paper stellt ToxiVerse vor, eine öffentlich zugängliche Webplattform, die kuratierte Toxizitätsdaten, chemische Bioprofiling-Funktionen und eine benutzerfreundliche Schnittstelle zur Erstellung von QSAR-Vorhersagemodellen für Forscher ohne Programmierkenntnisse bereitstellt.
Diese Studie bewertet Deep-Learning-Methoden für das De-novo-Design von GPCR-Peptiden und stellt fest, dass zwar die Probennahme von Peptidstrukturen erfolgreich ist, die Validierung jedoch aufgrund einer signifikanten Überschätzung von Konfidenzwerten und mangelnder Sequenzqualität versagt, was auf ein ungelöstes Bewertungsproblem hinweist.
Dieses Paper stellt eine Erweiterung des räumlichen Clustering-Algorithmus SpatialLeiden vor, der durch flexible Nachbargraphen-Multiplexierung atlasweite, 3D- und multimodale räumliche Omics-Daten effizient verarbeitet und dabei eine überlegene Skalierbarkeit sowie stabile Rekonstruktionen auf Standardhardware ermöglicht.
HMM-Flagger ist ein referenzfreies Werkzeug, das mithilfe von Hidden-Markov-Modellen und Lesetiefe-Analysen strukturelle Fehler in haplotypaufgelösten Genomassemblierungen erkennt und dabei sowohl synthetische als auch reale menschliche Genomdaten, einschließlich der HPRC-Assemblierungen, effektiv validiert.
Die Studie stellt TreeMS2 vor, ein skalierbares, annotierungsfreies Werkzeug, das phylogenetische Bäume direkt aus rohen Tandem-Massenspektrometrie-Daten (Proteomik und Metabolomik) ableitet, um evolutionäre Beziehungen auf molekularer Ebene zu erfassen und mit genetischen Stammbäumen zu vergleichen.
Die Studie stellt STEQ vor, eine neue, statistisch konsistente und skalierbare distanzbasierte Methode zur schnellen und präzisen Schätzung von Artbäumen aus multilokalen Daten unter dem Multi-Species-Coalescent-Modell, die in ihrer Geschwindigkeit führende Zusammenfassungs-Methoden wie ASTRAL übertrifft, während sie eine vergleichbare Genauigkeit beibehält.
Diese Studie stellt eine schnelle, markierungsfreie Methode vor, die durch die Kombination von Schwingungsspektroskopie (ATR-FTIR und Raman) mit Deep-Learning-Modellen DNA-Fragmentlängen präzise quantifiziert und dabei kostengünstig, zerstörungsfrei sowie mit minimalen Probenmengen auskommt.
Das Paper stellt APEX vor, ein erklärbares KI-Framework, das durch die Kombination von evolutionären Embeddings und Graph-Attention-Netzwerken sowohl die Identifizierung neuer pathogener Zielstrukturen über verschiedene Spezies hinweg als auch die gezielte Generierung von Inhibitormolekülen ermöglicht.
scDynOmics ist ein skalierbarer, interpretierbarer Transformer-basiertes Modell, das durch Vorab-Training auf multimodalen Einzelzell-Daten und effiziente Feinabstimmung mittels Low-Rank-Adaptation einen neuartigen Ansatz zur Repräsentationslernen und Analyse zellulärer Heterogenität sowie Dynamiken bietet.