1018 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 Arbeit stellt Protenix-v1 vor, das erste vollständig open-source Biomolekül-Strukturvorhersagemodell, das AlphaFold3 in puncto Genauigkeit übertrifft, durch Inference-Time-Scaling skalierbare Verbesserungen bietet und zusätzliche Funktionen wie RNA-MSA-Unterstützung sowie eine auf dem neuesten Datensatz trainierte Variante für die praktische Anwendung bereitstellt.
Die Studie zeigt, dass Entzündungen im Mundraum als selektiver Druck wirken, der das orale Mikrobiom von einer kohlenhydratverwertenden Kommensalen-Gemeinschaft hin zu entzündungsfördernden, stoffwechselangepassten Pathobionten umstrukturiert.
Die Studie zeigt, dass Gene Tree Estimation Error (GTEE) die Genauigkeit von Artbaum-Methoden stärker beeinträchtigt als unvollständige Linien-sortierung (ILS), indem sie durch Simulationen nachweisen, dass GTEE gleichmäßiges Rauschen erzeugt, während ILS eine strukturierte Verzerrung verursacht, was die Notwendigkeit unterstreicht, biologische und schätzungsbedingte Diskrepanzen bei der Artbaum-Infferenz zu unterscheiden.
Das Paper stellt Folddisco vor, eine schnelle und speichereffiziente Software zur Suche nach strukturellen Motiven in großen Protein-Datenbanken, die durch einen komprimierten Index und ein seltenheitsbasiertes Bewertungssystem bestehende Methoden in Geschwindigkeit und Genauigkeit übertrifft.
Die Autoren stellen einen formalen Rahmen vor, der syntene Blöcke direkt aus Sequenzdaten ableitet, um Rearrangements nicht zu verschleiern, und zeigen, dass das Problem im Allgemeinen NP-schwer ist, aber unter bestimmten Bedingungen durch einen linearen Algorithmus effizient gelöst werden kann.
ProteoMapper ist ein computergestütztes Framework, das die Domänenannotation mit der Motiverkennung integriert, um kontextspezifische Motif-Domänen-Muster in Protein-Familien alignmentbasiert zu identifizieren und quantitativ zu analysieren, wodurch Einblicke in evolutionäre Zwänge und regulatorische Mechanismen ermöglicht werden.
Die Studie stellt mit Q-FSNet und Q-DirichNet zwei neue sparse Bayesianische Quantil-Neuronale-Netzwerk-Methoden vor, die mithilfe von Daten der kanadischen Längsschnittstudie zum Altern physiologische „Sweet Spots" von 25 Metaboliten identifizieren, um präzise Biomarker für gesundes Altern und biologische Altersbeschleunigung zu entdecken.
Die Studie stellt OT-knn vor, ein neuartiges Framework zur optimalen Transportierung, das durch die Integration lokaler Nachbarschaftsinformationen eine robuste und genaue Ausrichtung räumlicher Transkriptomik-Daten über verschiedene Gewebeschnitte, Individuen und Entwicklungsstadien hinweg ermöglicht.
Das Paper stellt wavess 1.2 vor, ein erweitertes Simulationsframework für die Virussequenzentwicklung innerhalb eines Wirts, das nun explizit eine HLA-spezifische CTL-Immunantwort und variable Rekombinationsraten berücksichtigt, um die evolutionäre Dynamik unter immunologischem Selektionsdruck genauer abzubilden.
Diese Studie analysiert systematisch über 18 Millionen wissenschaftliche Artikel und zeigt, dass chemische Sonden als unverzichtbare Werkzeuge frühe Ziel-Krankheits-Assoziationen liefern, die oft Jahre vor strukturierten Datenbanken erscheinen und neue Möglichkeiten für die Therapieentwicklung, insbesondere bei seltenen und schwer behandelbaren Krankheiten, eröffnen.