1199 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 Paper stellt GNExT vor, eine webbasierte Plattform, die genomweite Assoziationsstudien (GWAS) durch die Integration von Systemmedizin und Netzwerkanalysen mit Tools wie MAGMA und Drugst.One verbindet, um genetische Befunde in biologische Zusammenhänge einzuordnen und potenzielle Wirkstoffziele für die Arzneimittelwiederverwendung zu identifizieren.
Die Studie stellt scProfiterole vor, ein Rechenrahmenwerk, das Graph Contrastive Learning mit spektralen Filtern und Arnoldi-Orthonormalisierung nutzt, um die Clusterung von Single-Cell-Proteomik-Daten trotz hoher Rausch- und Ausfallraten effektiv zu verbessern.
Das Paper stellt AQuA2-Cloud vor, eine cloudbasierte Webplattform, die die rechenintensive und lizenzgebundene Analyse von Fluoreszenz-Bioimaging-Daten durch eine zugängliche, containerisierte Lösung für mehrere Nutzer ersetzt und dabei die analytischen Fähigkeiten des ursprünglichen AQuA2-Tools beibehält.
Die Studie stellt das benutzerfreundliche Tool OpticalFlow3D vor, das die optische Flussanalyse auf dreidimensionale Fluoreszenzmikroskopiebilder anwendet, um die komplexe Bewegung amorpher biologischer Strukturen ohne Segmentierung quantitativ zu erfassen und so neue biologische Erkenntnisse zu ermöglichen.
Dieses Paper stellt den Trivial Tangle Traverser (TTT) vor, einen Algorithmus, der mithilfe von Abdeckungstiefe und Read-Ausrichtungen komplexe Knoten in Assemblierungsgraphen automatisch auflöst, um Lücken und Fehlassemblierungen in Genomen zu beheben.
Diese Studie liefert die erste computergestützte Analyse der menschlichen Titin-Domänen (Immunoglobulin-ähnlich, Fibronectin Typ III und Proteinkinase) und identifiziert deren unterschiedliche Stabilität als vielversprechende Grundlage für die Entwicklung neuer molekularer Marker zur Schätzung der postmortalen Intervalle in der Forensik.
Die Studie stellt DIA-NN EasyFilter (DEF) vor, einen schnellen und benutzerfreundlichen KNIME-Workflow, der die Analyse von DIA-MS/MS-Proteomikdaten ohne Programmierkenntnisse durch umfassende Filterung, Qualitätsbewertung und Visualisierung erleichtert.
NanoVI ist eine Nextflow-Pipeline, die mithilfe von bayesscher Variationsinferenz eine präzise, unsicherheitsquantifizierte und reproduzierbare Art-zu-Art-Taxonomie-Klassifizierung von vollständigen 16S-rRNA-Nanopore-Lesungen ermöglicht und dabei im Vergleich zu bestehenden EM-basierten Werkzeugen eine höhere Geschwindigkeit und geringere Fehlerrate aufweist.
Das Paper stellt PhosSight vor, ein einheitliches Deep-Learning-Framework, das durch die Vorhersage von Peptid-Detektierbarkeit und die Optimierung von Suchalgorithmen die Identifizierung und Lokalisierung von Phosphopeptiden in DDA- und DIA-Massenspektrometrie-Daten verbessert, wodurch die Abdeckung des Phosphoproteoms erweitert und neue therapeutische Zielstrukturen in der Onkologie entdeckt werden können.
Das Paper stellt FAMUS vor, ein neuartiges Few-Shot-Learning-Framework auf kontrastivem Lernen, das durch die Nutzung von Ähnlichkeitsprofilen gegenüber einzelnen Top-Treffer-Abgleichen die funktionelle Annotation von Proteinen in großen genomischen und metagenomischen Datensätzen präziser und effizienter gestaltet.