🧬 Category

genetics

164 Arbeiten

Die Genetik untersucht, wie Lebensinformationen in DNA gespeichert und von Generation zu Generation weitergegeben werden. Dieser Bereich deckt alles ab, von der Vererbung einfacher Merkmale bis hin zu den komplexen molekularen Mechanismen, die unsere Gesundheit und Entwicklung steuern. Auf Gist.Science machen wir die neuesten Erkenntnisse aus diesem dynamischen Feld für alle verständlich, unabhängig vom wissenschaftlichen Hintergrund.

Jede neue Vorveröffentlichung in dieser Kategorie stammt direkt von bioRxiv. Unser Team verarbeitet diese Rohdaten sofort und erstellt sowohl einfache Erklärungen als auch detaillierte technische Zusammenfassungen, damit Sie den aktuellen Forschungsstand sofort nachvollziehen können.

Im Folgenden finden Sie die neuesten Beiträge aus der Genetik, die wir gerade für Sie aufbereitet haben.

🧬 genetics

Direct estimation of genotype fitness from time series

Diese Arbeit stellt eine einfache, geschlossene mathematische Methode unter Verwendung der Standard-Linearen Algebra vor, um die Fitness einzelner Genotypen direkt aus verrauschten Zeitreihendaten zu schätzen, ohne Annahmen über Epistasie oder iterative Optimierung zu erfordern, wobei sie ihre Wirksamkeit über verschiedene Simulationsmodelle und reale Datensätze hinweg – von der Laborevolution bis hin zu globalen Pandemien – demonstriert.

Mohanty, V., Shakhnovich, E.2026-07-20
🧬 genetics

Massively parallel characterization and predictive modelling of neuronal regulatory variation

Diese Studie nutzt ein groß angelegtes lentiMPRA in menschlichen exzitatorischen Neuronen, um über 46.000 nichtkodierende Varianten funktionell zu charakterisieren, wobei aufgedeckt wird, dass die regulatorische Auswirkung durch den lokalen Sequenzkontext und die basale Elementaktivität anstatt durch die Populationsfrequenz getrieben wird, während gleichzeitig eine entscheidende Ressource zur Verbesserung prädiktiver Modelle der neuronalen regulatorischen Variation etabliert wird.

Salomon, K., Deng, C., Dash, P. M., Chalkiadakis, T., Li, Q., Chen, Z., Page, N. F., Helal, M., Roener, S., Kundaje, A. (…)2026-07-17
🧬 genetics

Benchmarking Nanopore Sequencing for Autosomal and Y-STR profiling on R10.4.1 Flowcells across Basecalling Models

Diese Studie zeigt, dass die Kombination der R10.4.1 Flow-Cell-Chemie mit fortschrittlichen Basecalling-Modellen (speziell HYPv5.0) und Qualitätsfilterung eine hochgenaue autosomaler und Y-STR-Profilierung mittels Nanopore-Sequenzierung ermöglicht, wobei für forensische Einzelquellen eine Übereinstimmung von bis zu 100 % erreicht wird.

Alsuwaidi, M. S., Albastaki, A., Almulla, H., Omar, A. K., Almarri, M. A.2026-07-16
🧬 genetics

Two-tower models for genomic prediction of reproductive outcomes and sex-specific fertility liabilities: simulation insights

Diese Studie zeigt, dass Two-Tower-Machine-Learning-Architekturen, insbesondere TT-LASSO und TT-MLP, binäre reproduktive Ergebnisse effektiv vorhersagen und geschlechtsspezifische Fertilitätslasten aus genotypischen Daten rekonstruieren können, was einen leistungsstarken Rahmen für die Modellierung der gemeinsamen genetischen Beiträge von Partnern bei reproduktiven Merkmalen bietet.

Pappas, F., Palaiokostas, C., Debes, P. V., Johnsson, M.2026-07-09
🧬 genetics

Modeling population control via tunable sex ratio distorter gene drives in Aedes aegypti

Diese Arbeit präsentiert ein mathematisches Framework zur Modellierung abstimmbarer, M-gekoppelter Geschlechterverhältnis-Distorter-Gene-Drives in *Aedes aegypti*, die die homomorphen Geschlechtschromosomen der Spezies nutzen, um eine hocheffiziente, einstellbare Populationssuppression bei gleichzeitiger Minimierung der Auswirkungen auf benachbarte Populationen zu erreichen.

Childs, L. M., Shabani, S., Tauber, U., Tu, Z.2026-07-09
🧬 genetics

Enhancing predictive accuracy of yield traits in cassava through multi-trait genomic prediction

Diese Studie zeigt, dass die strategische Implementierung von Multi-Trait-Genom-Vorhersagemodellen mit informativen Hilfsmerkmalen und optimiertem Sparse-Phenotyping die Vorhersagegenauigkeit und Selektionseffizienz für entscheidende Kassava-Ertragsmerkmale im Vergleich zu traditionellen Single-Trait-Ansätzen signifikant verbessert.

de Freitas, G. M., Certuche, D. S., Jannink, J.-L., de Oliveira, E. J., Garcia, A. A. F.2026-07-06
🧬 genetics

CATaN maps gene regulatory programs that shape genetic risk across complex diseases

Das Paper stellt CATaN vor, ein unüberwachtes Framework, das Transkriptionsfaktor-Gen-Regulationsnetzwerke mit Transkriptomen integriert, um gemeinsame regulatorische Programme zu identifizieren, die signifikant mit der SNP-Heritabilität bei komplexen Krankheiten angereichert sind, und bietet damit einen umfassenderen Ansatz zur Priorisierung kausaler Varianten als rein transkriptom-basierte Analysen allein.

Takahashi, H., Hatano, H., Kono, M., Haruta, K., Nakano, M., Bagherzadeh, R., Drees, M. M., Oguma, Y., Harita, D., Kawas (…)2026-07-02