💻 Category

bioinformatics

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.

💻 bioinformatics

In silico transcriptomic analysis reveals shared molecular signatures and immune-associated pathways between Hashimotos thyroiditis and type 2 diabetes with exploratory drug repurposing

Diese Studie nutzt eine computergestützte Transkriptom-Analyse, um gemeinsame molekulare Signaturen und immunassoziierte Pathways zwischen Hashimoto-Thyreoiditis und Typ-2-Diabetes zu identifizieren und potenzielle Wirkstoff-Repurposing-Kandidaten wie Gliquidon, Oleanolsäure und Glipizid vorzuschlagen.

Sharma, O., Ahmed, F., Sharma, D., Sharma, A., Noor, T., Faysal, F., Ahmed, F., Hossain, S., Noman, A., Latif, M. A., Al (…)2026-02-17
💻 bioinformatics

Gene-based calibration of high-throughput functional assays for clinical variant classification

Die Studie stellt ExCALIBR vor, ein halbüberwachtes Framework, das durch die gemeinsame Modellierung verschiedener Variantentypen mittels Schiefnormalverteilungen experimentelle Hochdurchsatz-Assays kalibriert und so präzise Wahrscheinlichkeiten für die Pathogenität liefert, um die Klassifizierung von Varianten in der klinischen Genetik zu verbessern.

Zeiberg, D., Stewart, R. C., Jain, S., Tejura, M., McEwen, A. E., Fayer, S., Sverchkov, Y., Craven, M., Pejaver, V., Rub (…)2026-02-16
💻 bioinformatics

rbio1-training scientific reasoning LLMs with biological world models as soft verifiers

Die Arbeit stellt rbio1 vor, ein biologisches Reasoning-Modell, das durch Reinforcement Learning mit weichen Verifikatoren auf Basis von biologischen Weltmodellen trainiert wird, um ohne zusätzliche experimentelle Daten hochleistungsfähige Vorhersagen zu treffen und dabei neue Paradigmen für das Training von KI-Systemen in den Biowissenschaften zu etablieren.

Istrate, A.-M., Milletari, F., Castrotorres, F., Tomczak, J. M., Torkar, M., Li, D., Karaletsos, T.2026-02-16
💻 bioinformatics

Learning fragment-based segmentation of binding sites from molecular dynamics: a proof-of-concept on cardiac myosin.

Die Studie stellt FragBEST-Myo vor, eine auf Deep Learning basierende Methode, die mittels 3D-U-Net und Molekulardynamik-Simulationen Bindungsstellen von Herz-Myosin in fragmentbasierte Regionen segmentiert, um dynamische Konformationsänderungen zu erfassen und das Screening für das Ensemble-Docking zu verbessern.

Yang, Y.-Y., Pickersgill, R. W., Fornili, A.2026-02-16