💻 Category

bioinformatics

861 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.

💻 bioinformatics

NPTX2-Centered Cognitive Resilience Mechanisms in the Context of AD Pathology

Diese Studie zeigt auf, dass die kognitive Resilienz gegenüber der Alzheimer-Pathologie durch einen distinkten molekularen Zustand gekennzeichnet ist, der auf einer erhaltenen NPTX2-Expression basiert, welche die zentralen synaptischen und inhibitorischen Programme aufrechterhält, während sie in Individuen mit hoher Pathologie selektiv adaptive Proteostase-, Trafficking- und Immunwege rekrutiert – eine Koordination, die bei symptomatischem Krankheitsverlauf verloren geht.

Lao, Y., Xiao, M.-F., Ji, S., Piras, I. S., Kim, K., Bonfitto, A., Song, S., Aldabergenova, A., Sloan, J., Trejo, A., Ge (…)2026-06-29
💻 bioinformatics

Context-dependent correlations mislead transcriptomic network inference in bulk and single-cell data

Diese Studie zeigt auf, dass gepoolte Korrelationskoeffizienten in Bulk- und Single-Cell-Transkriptomdaten häufig die Netzwerkinferenz irreführen, indem sie aufgrund von durch biologische Heterogenität getriebeneren Simpson-Paradoxien die Richtung umkehren, was die Meldung kontextspezifischer Korrelationen und Heterogenitätsstatistiken anstelle des Vertrauens auf einzelne globale Schätzwerte erforderlich macht.

Asiaee, A., Bombina, P., McGee, R. L., Reed, J., Abrams, Z. B., Abruzzo, L. V., Coombes, K. R.2026-06-29
💻 bioinformatics

OpenGerminal: an open-source implementation of the Germinal antibody design pipeline

OpenGerminal präsentiert eine vollständig quelloffene Implementierung der Germinal-Antikörperdesign-Pipeline, die proprietäre Komponenten durch einen Open-Source-Stack ersetzt, AbLang1 adaptiert und dadurch signifikant höhere Cofolding-Passraten sowie eine breitere Zugänglichkeit bei der Bereitstellung erreicht, während äquivalente strukturelle Konfidenzmetriken beibehalten werden.

Han, B., Li, S.2026-06-29
💻 bioinformatics

Retention, not flux: endpoint confounding caps computational prediction of peptide skin penetration, with a delivery-aware reframing

Die Arbeit argumentiert, dass die stagnierende Vorhersageleistung bei der Modellierung der Hautpenetration von Peptiden auf einer schlecht definierten Abhängigkeit von konfundierten transdermalen Flux-Labels beruht, welche Transportvehikel und Endpunkte ignorieren, und schlägt stattdessen einen neu konzipierten Ansatz vor, der das intrinsische Barriereüberwindungspotenzial von lieferungsspezifischer Retention und Risiko trennt.

Komianos, N., Prakash, P.2026-06-29
💻 bioinformatics

Homology-aware cross-validation strategies for generalization assessment in RNA structure prediction

Diese Arbeit kritisiert und schlägt Homologie-bewusste Kreuzvalidierungsstrategien vor, um Datenleckagen zu adressieren und eine faire Bewertung der Generalisierungsfähigkeit sowohl für klassische als auch für auf Deep Learning basierende Methoden zur Vorhersage der RNA-Sekundärstruktur zu gewährleisten.

Bugnon, L., Kulemeyer, G., Gerard, M., Di Persia, L., Stegmayer, G., Milone, D. H.2026-06-29
💻 bioinformatics

Bamsnap-LRS: an automated batch visualization tool for long-read sequencing alignments

Bamsnap-LRS ist ein automatisiertes Kommandozeilen-Tool, das darauf ausgelegt ist, die Skalierbarkeits- und Optimierungsgrenzen bestehender Visualisierungssoftware zu überwinden, indem es eine hochdurchsatzfähige, publikationsreife Batch-Visualisierung von Long-Read-Sequenzierungs-Alignments mit Unterstützung für Long-Read-spezifische Merkmale, phasierte SNP-Inspektion und diverse genomische Analysen ermöglicht.

Chen, W., Yang, C., Qiu, L., Hu, J., Zhou, Y.2026-06-25
💻 bioinformatics

Development of Deep-Learning Models that Predict Quantitative Protein-Ligand Interac-tions in Glycobiology as a part of a Capstone Course

Im Rahmen eines Capstone-Kurses der University of Alberta stellt diese Arbeit drei Deep-Learning-Modelle (ProMax, APEX und UltraMax) vor, die auf einem hybriden Datensatz von etwa einer Million Protein-Ligand-Paaren trainiert wurden, um quantitative Glykan-Protein-Bindungsstärken vorherzusagen, während gleichzeitig die Herausforderungen durch Long-Tail-Datenverteilungen und die unzureichende Nutzung chiraler Merkmale hervorgehoben werden.

Yin, H., Liu, W., Zhou, W., Chang, Z., Carpenter, E. J., Satyajith, A., Haregu, S., Greiner, R., Derda, R.2026-06-24
💻 bioinformatics

ComplexDesign: sequence-hallucination design of protein binders bridging multiple proteins

ComplexDesign ist ein auf Halluzination basierender Ansatz, der eine strukturvorhersagegestützte Sequenzoptimierung und einen spezialisierten Maskierungsmechanismus nutzt, um erfolgreich mehrkettenbasierte Proteinkomplexe und flexible Binder zu entwerfen, die mehrere Zielstrukturen überbrücken, wobei es bestehende Methoden sowohl beim bedingungslosen Multimer-Design als auch bei der Generierung von Ternärkomplexen übertrifft.

Xu, J., Ren, M., Qi, N., Zhang, X., He, Z., Yu, C., Bu, D.2026-06-24