Die Genomik untersucht den kompletten Bauplan des Lebens, indem sie analysiert, wie Gene zusammenwirken und unser Erbgut gestaltet. Dieses faszinierende Feld geht weit über einfache DNA-Sequenzierung hinaus und beleuchtet, wie genetische Informationen unser Wohlbefinden, die Evolution und sogar die Entwicklung neuer Medikamente beeinflussen. Auf Gist.Science machen wir diese komplexen Zusammenhänge für alle verständlich, unabhängig vom wissenschaftlichen Hintergrund.

Alle Artikel in dieser Kategorie stammen direkt von bioRxiv, wo Forscher ihre neuesten Ergebnisse unverzüglich veröffentlichen. Unser Team verarbeitet jeden neuen Preprint aus diesem Bereich sorgfältig und erstellt sowohl leicht verständliche Zusammenfassungen als auch detaillierte technische Auswertungen. So bleiben Sie stets auf dem aktuellen Stand, ohne in Fachjargon zu versinken.

Im Folgenden finden Sie die neuesten Veröffentlichungen im Bereich der Genomik, die wir für Sie aufbereitet haben.

🧬 genomics

Plague-driven selection enriched familial Mediterranean fever mutations in Armenia

Diese Studie zeigt, dass die hohen Trägerraten von Mutationen für das Familiäre Mittelmeerfieber bei Armeniern aus einer positiven Selektion resultierten, die durch eine Resistenz gegen *Yersinia pestis* (Pest) getrieben wurde, wobei die Allelfrequenzen seit der ersten Pestpandemie um etwa 541 n. Chr. schnell anstiegen.

Hovhannisyan, A., Antonosyan, M., Bobokhyan, A., Simonyan, H., Aghikyan, L., Avetisyan, P., Badalyan, M., Simonyan, H. (…)2026-09-16
🧬 genomics

Genomic hallmarks of parasexual reproduction in three hybrid groups of the human pathogen Cryptococcus neoformans

Diese Studie zeigt auf, dass parasexuelle Fortpflanzung, charakterisiert durch meioseunabhängige Prozesse wie den chromosomweiten Verlust der Heterozygotie, Aneuploidie und Ploidiereduktion, die genomische Diversität und phänotypische Variation von drei distinkten Hybridgruppen im humanen Pathogen *Cryptococcus neoformans* vorantreibt.

Anand, R., Ma, Q., Tamayo, D., Paul, G., Helmstetter, N., Sun, S., Bian, Z., Kwon-Chung, K. J., Heitman, J., Farrer, R. (…)2026-09-15
🧬 genomics

Covariate-aware genomic prediction of blood metabolite profiles using multi-task neural networks

Diese Studie führt ein Multi-Task-Neural-Network-Framework ein, das Blutmetabolitprofile effektiv vorhersagt, indem es genetische, Kovariaten- und gemeinsame Beiträge trennt, und zeigt auf, dass die nichtlineare Modellierung von Kovariaten – insbesondere des Alters – der primäre Treiber für die verbesserte Vorhersageleistung gegenüber traditionellen linearen Methoden ist.

Guler, M. N., Alver, M., Haller, T., Jay, F., Pagani, L., Milani, L., Yelmen, B.2026-09-14
🧬 genomics

Predicted Effector Gene Aggregation, Standards and Unified Schema (PEGASUS): A Community Framework for Effector Gene Reporting

Das PEGASUS-Framework etabliert den ersten gemeinschaftlich entwickelten Standard für die Berichterstattung vorhergesagter Effektorgene in GWAS, indem es ein einheitliches Schema für Metadaten, Evidenzmatrizen und priorisierte Genlisten definiert, um die Interoperabilität, Reproduzierbarkeit und Wiederverwendbarkeit der Variant-to-Function-Forschung zu verbessern.

McMahon, A., Ji, Y., Costanzo, M., Butterworth, A. S., Pahl, M., Szyszkowski, S., Heilbron, K., Shiyanbola, A., Tsepilov (…)2026-09-14
🧬 genomics

Multigenerational machine learning-based genomic prediction for dermo resistance in eastern oyster Crassostrea virginica

Diese Studie zeigt, dass die multigenetische genomische Vorhersage der Resistenz gegen Hautkrankheiten bei der Osteroester durch maschinelles Lernen, insbesondere durch Gradient-Boosting-Modelle, signifikant verbessert wird, welche seltene genetische Varianten nutzen, um eine Spitzenkorrelationsgenauigkeit von 0,410 zu erreichen, was herkömmliche Methoden erheblich übertrifft.

Sun, H., Coyne, P., Wang, Z., Casas, S., La Peyre, J., Williams, M. L., Rikard, S., Bushek, D., Wong, J., Guo, X.2026-09-13