💻 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

Deep-learning-driven tumor microenvironment profiling improves immunotherapy response prediction

Die Studie stellt EcoNet vor, ein Deep-Learning-Framework, das strukturierte Ökosysteme der Tumormikroumgebung und Signalnetzwerke modelliert, um bestehende Methoden bei der Vorhersage des Ansprechens auf Immuntherapien signifikant zu übertreffen, was durch seine Fähigkeit validiert wurde, biologisch relevante Genprogramme zu identifizieren und klinische Ergebnisse beim klarzelligen Nierenzellkarzinom zu stratifizieren.

Wang, R. H., Benard, B. A., Ilerten, I., Zdravkovic, S., Al-Humadi, R., Nasr, S., Howitt, B., Gentles, A. J.2026-10-13
💻 Bioinformatik

BioMod: Biological Module Tokenization for Single-Cell Foundation Modeling

BioMod ist ein 50-Millionen-Parameter starkes Einzelzell-Modell, das die Effizienz der Repräsentation und die Leistung verbessert, indem es Zellen in biologisch bedeutsame, überlappende Module anstatt in einzelne Gene tokenisiert und dabei Spitzenleistungen in Aufgaben wie der Zelltyp-Annotation und der Störungsvorhersage erzielt, während es gleichzeitig eine effiziente Inferenz auf einer einzelnen GPU ermöglicht.

Meng, L., Zhu, J., Han, B., Zang, Y., Li, W., Zong, K., Zhong, J., Yang, Y., Liu, J., Jia, J., Sun, R., Yu, G., Han, J. (…)2026-10-13
💻 Bioinformatik

Imputing relative abundances via Gaussian random fields

Dieses Paper führt ein erklärbares Gaußsches Zufallsfeld-Framework für die multiple Imputation von longitudinalen Zusammensetzungsdaten ein, das fehlende Proben, zeitliche Abhängigkeiten und Null-Inflation effektiv handhabt und dessen Nutzen bei der Rekonstruktion von Darmmikrobiom-Trajektorien zur Verbesserung von Vorhersagen für Lebensmittelallergien und postpartale Depression aufzeigt.

Shternshis, A., Singh, P., Hugerth, L. W.2026-10-13
💻 Bioinformatik

MtbAIM: AI/ML-guided endpoint-specific prediction of small-molecule activity across drug-susceptible and drug-resistant Mycobacterium tuberculosis

Diese Studie stellt MtbAIM vor, eine KI/ML-gestützte Plattform, die vielfältige molekulare Repräsentationen und baumbasierte Algorithmen nutzt, um die Aktivität und die minimalen Hemmkonzentrationen von kleinen Molekülen gegenüber sowohl arzneimittel-sensiblen als auch arzneimittel-resistenten *Mycobacterium tuberculosis*-Isolaten präzise vorherzusagen.

Singh, J., Singh, K.2026-10-12
💻 Bioinformatik

Human Intestinal Absorption Revisited: The 1998 Descriptors Survive, and the Method Extends to Permeability

Diese Arbeit überprüft ein Modell zur menschlichen intestinalen Absorption aus dem Jahr 1998, indem sie aufzeigt, dass dessen ursprüngliche Leistungsfähigkeit auf einer glücklichen Datenaufteilung beruhte, und etabliert anschließend robustere, konsensbasierte Vorhersagemodelle für die intestinale Absorption sowie verschiedene Permeabilitäts-Assays unter Verwendung von mittels genetischer Algorithmen ausgewählten Deskriptorsätzen und Random Forests über 250 stratifizierte Extraktionen hinweg.

Muskal, S. M., Wessel, M. D.2026-10-11
💻 Bioinformatik

GenDiMug: a generic inclusive multigraph framework to analyze genomic organizations and -omics data at multiple scales

GenDiMug ist ein neuartiges Multigraph-Framework, das die Einschränkungen linearer Genomrepräsentationen überwindet, indem es Netzwerkmodelle nutzt, um Multi-Omics-Daten zu integrieren und die genomische Organisation über mehrere Skalen hinweg zu analysieren, wodurch strukturelle Muster wie Genexpressions-Clumping und circadiane Regulation aufdeckt.

Teuliere, J., Lopez, P., Corel, E., Llorente, B., Bapteste, E.2026-10-11
💻 Bioinformatik

In silico subtractive genomics and reverse vaccinology approach reveal outer membrane proteins OMP47 and LptD as dual-purpose drug and vaccine targets in Pasteurella multocida Pm70

Diese Studie verwendet einen integrierten *In-silico*-Workflow aus subtraktiver Genomik und Reverse Vakzinologie, um die Außenmembranproteine OMP47 und LptD als zweckgebundene Wirkstoff- und Impfstofftargets gegen *Pasteurella multocida* Pm70 zu identifizieren, was in der Konstruktion eines sicheren, hochantigenen Multi-Epitop-Impfstoffkonstrukts gipfelt.

Khan Chowdhury, A. R., Islam, S., Farid, A., Lamia, F., Ahmad, T. F., Hossain, N. J., Paul, A. R., Afrin, T., Elias, S. (…)2026-10-11
💻 Bioinformatik

kitAb: an automated framework for assay-specific antibody developability modeling and large-scale landscape analysis

Das Paper stellt kitAb vor, ein Open-Source-, recheneffizientes Framework, das 59 interpretierbare Deskriptoren für die skalierbare, assayspezifische Modellierung der Entwickelbarkeit von Antikörpern generiert und systematische physikochemische Unterschiede über groß angelegte natürliche und therapeutische Antikörperrepertoires hinweg aufdeckt.

Trofimova, E., Shaburova, E., Antonets, D., Ramensky, V.2026-10-11