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.
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.
Die Studie zeigt durch bioinformatische Analysen und computergestütztes Protein-Design, dass globuläre Proteine bereits mit stark reduzierten Aminosäurealphabets (bis hinunter zu 8 Aminosäuren) entstehen können, wobei experimentell ein stabiles β-Faltblatt-Protein erfolgreich verifiziert wurde.
CLAMP ist ein skalierbares, zweiphasiges Analyseverfahren, das durch die Integration molekularer Priors und effiziente Speicherverarbeitung die Interpretierbarkeit und Geschwindigkeit der latenten Variablenextraktion in großen Genexpressionsdatensätzen im Vergleich zu bestehenden Methoden wie PLIER erheblich verbessert.
GraTools ist ein benutzerfreundliches, Open-Source-Command-Line-Tool, das eine effiziente Manipulation und Analyse von Pangenom-Variationsgraphen direkt aus GFA-Dateien ermöglicht und damit bestehende Lücken in der Integration und Skalierbarkeit solcher Werkzeuge schließt.
Diese Studie nutzt einen Ensemble-Machine-Learning-Ansatz auf Transkriptomdaten von Weltraum-Mäusen, um zu zeigen, dass oxidative Lipidperoxidation und apoptotischer Zelltod im Retinalgewebe durch unterschiedliche molekulare Signalwege vermittelt werden, was neue Ansatzpunkte für Biomarker und Therapien zur Erhaltung der Sehgesundheit bei Langzeit-Weltraummissionen bietet.
Die Studie zeigt, dass ein parametereffizientes, auf der TKF92-Theorie basierendes Modell mit nur 32.000 Parametern in der Modellierung der Protein-Evolution konkurrenzfähig mit neuronalen Netzen mit vielen Millionen Parametern ist und damit die Überlegenheit evolutionstheoretisch fundierter Ansätze gegenüber unbeschränkten Alternativen unterstreicht.
Die Arbeit stellt CAPHEINE vor, einen plattformübergreifenden Workflow zur Automatisierung von Evolutionsanalysen mit HyPhy, der von unalignierten Pathogensequenzen und einem Referenzgenom ausgeht, um umfassende Untersuchungen der Selektionsdynamik auf Ebene von Genen, Loci und Linien durchzuführen.
Das Paper stellt AlphaCell vor, ein generatives Weltmodell, das durch die Kombination einer latenten Manifold-Korrektur, einer biologisch realistischen Rekonstruktion und einer universellen Zustandsübergangsmodellierung mittels Optimal Transport Conditional Flow Matching robuste, generalisierbare Vorhersagen von zellulären Dynamiken unter Störungen ermöglicht.
Die Studie stellt PAMG-AT vor, ein interpretierbares hierarchisches Graph-Neurales-Netzwerk mit adaptiver Topologie und einem dreistufigen Aufmerksamkeitsmechanismus, das multimodale physiologische Signale von Wearables nutzt, um Stress mit hoher Genauigkeit zu erkennen und dabei die zugrunde liegenden physiologischen Zusammenhänge wie die kardiale-dermale Kopplung transparent macht.