1248 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 Studie zeigt, dass fortschrittliche Rescoring-Strategien die Identifizierung von Peptiden über verschiedene Suchmaschinen hinweg harmonisieren und die Robustheit von Proteomanalysen erhöhen, wobei jedoch eine sorgfältige Merkmalsauswahl und Datenbankwahl für eine zuverlässige FDR-Kontrolle entscheidend bleiben.
Die Studie stellt Diffusion-ACP39 vor, ein latentes Diffusionsmodell mit synchronisiertem Seed-Autoencoder, das in Kombination mit einem Random-Forest-Klassifikator (RF-ACP39) erfolgreich neuartige, 5 bis 39 Aminosäuren lange Antikrebspeptide mit einer Genauigkeit von 94,5 % generiert und dabei eine hohe Ähnlichkeit zu echten Antikrebspeptiden aufweist.
Diese Studie identifiziert durch eine integrierte Transkriptom-Analyse und Netzwerkmethoden gemeinsame molekulare Signaturen, einschließlich des Hub-Proteins TTR sowie spezifischer Transkriptionsfaktoren und miRNAs, die die pathophysiologische Verbindung zwischen Alkoholabhängigkeit und psychiatrischen Störungen aufklären und potenzielle Biomarker sowie therapeutische Zielstrukturen für Diagnose und Behandlung liefern.
Das Papier stellt EasyPseudogene vor, eine automatisierte und multithreadfähige Pipeline, die durch einen inter-spezifischen Referenz-Ansatz und eine hierarchische Architektur effizient und präzise Pseudogene in großen eukaryotischen Genomen identifiziert.
Das Paper stellt ESGI vor, ein flexibles und erweiterbares Framework zur effizienten Demultiplexierung und Verarbeitung von Einzelzell-Sequenzierungsdaten mit beliebigen Barcode-Architekturen, das komplexe experimentelle Designs unterstützt, die von bestehenden Pipelines nicht abgedeckt werden.
Diese Studie präsentiert ein Beweis-Konzept-Framework, das Single-Cell-Foundation-Modelle und große Perturb-seq-Datensätze nutzt, um genetische Targets für die phänotypische Umkehrung von Entzündungen zu priorisieren und zeigt, dass die Einbeziehung krankheitsrelevanter Stimuli die Identifizierung wirksamer Gene im Vergleich zu rein basalen Bedingungen verbessert.
Diese Studie integriert umfangreiche transkriptomische Daten, um altersspezifische molekulare Signaturen der atopischen Dermatitis zu charakterisieren, entwickelt den Biomarker ECZECIS zur Quantifizierung der Krankheitsaktivität und zeigt, dass Dupilumab die effektivste Behandlung zur Normalisierung der immunologischen und systemischen Pathways darstellt.
Die Studie stellt TFBSpedia vor, eine umfassende Datenbank für menschliche und murine Transkriptionsfaktor-Bindungsstellen, die durch die Integration und systematische Bewertung verschiedener ATAC-seq- und ChIP-seq-Datensätze sowie bestehender Ressourcen eine zuverlässige, annotierte und leicht zugängliche Ressource für die Erforschung der Genregulation bietet.
Das in Python entwickelte Open-Source-Tool GWASPoker ermöglicht eine effiziente, phänotypgesteuerte Vorauswahl und partielle Analyse von GWAS-Zusammenfassungsstatistiken aus dem GWAS-Katalog, um die Berechnung polygener Risikoscores zu erleichtern, ohne dass vollständige Dateien heruntergeladen werden müssen.
Die Studie stellt circFormer vor, einen neuartigen Ansatz zur Identifizierung von zirkulärer RNA, der genomische Sprachmodelle mit Curriculum Learning kombiniert, um trotz begrenzter experimenteller Daten eine hohe Vorhersagegenauigkeit und Interpretierbarkeit zu erreichen.