1199 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.
MosaicTR ist ein Werkzeug zur Quantifizierung somatischer Instabilität von Tandemwiederholungen aus langgelesenen Sequenzierungsdaten, das die Einschränkungen kurzer Reads überwindet und eine präzise Analyse sowohl für Krankheitsmechanismen als auch für Krebsbiomarker ermöglicht.
Die Studie stellt MutationNetwork vor, ein graphbasiertes Framework, das durch die Integration langreichweitiger genomischer Interaktionen und lokaler Überlappungen somatische Mutationen in Netzwerken abbildet, um funktionelle Treibermutationen zu identifizieren und Brustkrebspatienten basierend auf ihren biologischen Subtypen zu stratifizieren.
Der Artikel stellt VICAST vor, ein integriertes Software-Toolkit zur automatisierten Genomanmerkung mit manuellen Korrekturpunkten und der sensitiven Detektion von Low-Frequency-Varianten in Virus-Passage-Studien, das durch Benchmarking mit etablierten Werkzeugen wie VADR seine Überlegenheit in Geschwindigkeit und Funktionalität für diverse Virusfamilien unter Beweis stellt.
Die Autoren stellen SLAB vor, einen effizienten Sweep-Line-Algorithmus auf Basis des PBWT zur Identifikation von Haplotyp-Block-Kernen in genomischen Daten, der neue Einblicke in populationsgenetische Prozesse und Selektionssignale ermöglicht.
OmicClaw ist ein ausführbares Framework für natürliche Sprache, das auf dem einheitlichen OmicVerse-Ökosystem und der J.A.R.V.I.S.-Laufzeitumgebung basiert, um reproduzierbare Multi-Omics-Analysen über eine standardisierte Schnittstelle und einen agentengesteuerten Workflow zu ermöglichen.
Diese Studie entwickelt ein phänotyp-Strukturierungs-Modell, das zeigt, wie verschiedene Therapiestrategien durch evolutionären Selektionsdruck die Proliferationsheterogenität von Tumoren unterschiedlich beeinflussen und somit resistente Klone entweder begünstigen oder unterdrücken können.
Das Paper stellt 3D-Manhattan vor, ein interaktives, browserbasiertes Visualisierungstool, das mehrere GWAS-Ergebnisse in einem einheitlichen dreidimensionalen Koordinatensystem integriert, um den Vergleich genetischer Assoziationen über verschiedene Zeitpunkte, Merkmale oder Bedingungen hinweg zu erleichtern.
Diese Studie stellt einen integrierten Ansatz aus künstlicher Intelligenz und Quantenchemie vor, der zur rationalen Entwicklung der neuartigen antibakteriellen Verbindung Solres führt, die als vielversprechender Kandidat zur Bekämpfung von Ralstonia solanacearum und zur Eindämmung antimikrobieller Resistenzen in der Landwirtschaft dient.
Die Studie stellt RNAElectra vor, ein auf der ELECTRA-Architektur basierendes RNA-Foundation-Modell, das durch den Einsatz von Replaced-Token-Detection (RTD) anstelle von Masked Language Modeling eine überlegene Generalisierungsfähigkeit und Interpretierbarkeit für die Vorhersage verschiedener RNA-regulatorischer Funktionen und Interaktionen bietet.
Das Paper stellt ATOMICA vor, ein geometrisches Deep-Learning-Modell, das universelle, mehrskalige Repräsentationen von intermolekularen Schnittstellen über fünf verschiedene Modalitäten hinweg lernt und damit neue Möglichkeiten für die Vorhersage von Ligandenbindungen, insbesondere in unbekannten Proteinen, eröffnet.