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.

🧬 Genetik

CRISPR-mediated centromere fission generates neo-chromosomes with distorted meiotic inheritance in Arabidopsis

Diese Studie zeigt, dass die CRISPR-vermittelte Spaltung des *Arabidopsis thaliana*-Zentromers stabile Neo-Chromosomen erzeugt, die bei der Kreuzung mit dem Wildtyp meiotische Trivalente bilden, deren Segregation und verzerrte Vererbung durch die Crossover-Position und die Zentromerstärke gesteuert werden.

Burns, R., Mandakova, T., Morgan, C., Topp, S., Gorringe, N., Li, T., Jenike, K. M., Wlodzimierz, P., Naish, M., Lysak (…)2026-07-24
🧬 Genetik

Widely used GWAS methods can be poorly suited to SNP-level localization under diffuse polygenic architecture in livestock

Diese Studie zeigt, dass unter der diffusen polygenen Architektur und dem langreichweitigen Kopplungsungleichgewicht, die typisch für Nutztierpopulationen sind, weit verbreitete GWAS-Methoden oft irreführend starke, lokalisierte Assoziationen erzeugen, welche eher kumulierte winzige Effekte als wahre kausale Varianten widerspiegeln, während genomweite Verwandtschaftsmatrix-gemischte Modelle wie SLEMM diesen Spillover effektiv unterdrücken, um eine genauere biologische Lokalisierung zu ermöglichen.

Wang, X., Wang, J., Tiezzi, F., Huang, Y., Huang, W., Maltecca, C., Jiang, J.2026-07-23
🧬 Genetik

Long-term realized genetic gain and population dynamics under genomic selection in Brazilian cassava germplasm

Diese Studie evaluiert vier Jahrzehnte der genomischen Selektion in der brasilianischen Maniokzüchtung und zeigt signifikante realisierte genetische Gewinne für Ertragsmerkmale sowie eine verbesserte Modellkalibrierung im Zeitverlauf auf, während sie gleichzeitig die Notwendigkeit hervorhebt, ungünstige Korrelationen mit Qualitätsmerkmalen zu managen und die genetische Diversität für langfristige Nachhaltigkeit aufrechtzuerhalten.

de Freitas, G. M., Certuche, D. C. S., Jannink, J.-L., De Oliveira, E. J., Garcia, A. A. F.2026-07-22
🧬 Genetik

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
🧬 Genetik

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
🧬 Genetik

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
🧬 Genetik

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