508 Arbeiten
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.
Das Paper stellt Patches vor, ein Framework für das Repräsentationslernen, das mithilfe konditionaler Subraum-Lernverfahren gemeinsame und konditionsspezifische transkriptionelle Programme in scRNA-seq-Daten, insbesondere bei komplexen experimentellen Designs mit fehlenden Daten wie im Kontext der Wundheilung, effektiv entwirrt und analysiert.
Die Studie stellt ein verbessertes Direct-RNA-Sequenzierungs-Protokoll für Oxford Nanopore vor, das durch den Einsatz der Reverse Transkriptase UltraMarathonRT bei 30 °C die Hydrolyse der RNA verhindert und somit deutlich längere Reads sowie präzisere Isoformvorhersagen ermöglicht.
Diese Studie charakterisiert die Transkriptionsprofile von *Pseudomonas aeruginosa* in den verschiedenen Stadien des Biofilm-Lebenszyklus und identifiziert spezifische Biomarker für die Dispersionsphase, die zur Entwicklung neuer Anti-Biofilm-Therapien genutzt werden können.
Die Studie entwickelt ein kontinuierliches Lernframework, das über 300 Patienten umfassende Einzelzell-Daten integriert, um kausale Mechanismen von Darmkrebs-Zuständen zu entschlüsseln und therapeutische Ansätze wie MAPK-Inhibition zu modellieren, die Zellen in einen plastischen, endodermähnlichen Zustand überführen.
Diese Studie nutzt einen geometrischen Transkriptomik-Ansatz auf mehreren Kohorten, um zu zeigen, dass die bekannte Inkonstanz bei der Genexpressionsanalyse der atopischen Dermatitis (AD) auf eine strukturelle Abhängigkeit von Signalen kleinerer Effektstärke zurückzuführen ist und dass ein signifikanter Teil der nicht-lesionalen AD-Fälle bereits vor dem klinischen Ausbruch eine individuelle Entgleisung der hämodynamischen Homöostase aufweist, die sich von der bei Psoriasis beobachteten Dynamik unterscheidet.
Diese Studie stellt eine umfassende Ressource und neue Sequenzmodellierungsstrategien vor, die auf multimodalen Daten von 190 Spendern basieren, um zelltypspezifische cis-regulatorische Varianten in menschlichen Gehirn-Enhancern zu identifizieren, deren funktionelle Auswirkungen zu modellieren und ihre Rolle bei Parkinson-Erkrankungen aufzuklären.
Das Paper stellt „OxBreaker" vor, eine automatisierte, benutzerfreundliche und open-source Pipeline für Oxford Nanopore-Sequenzdaten, die eine hochpräzise, artsunabhängige Analyse von bakteriellen Ausbrüchen und Plasmiden ermöglicht und so die lokale, Echtzeit-Genomüberwachung für den Infektionsschutz erleichtert.
Die Studie vergleicht neun statistische und maschinelle Lernmethoden zur Verarbeitung hochdimensionaler ökologischer und evolutionärer Daten, wobei sie feststellt, dass Überanpassung häufig auftritt und eine genaue Variablenselektion für das Prozessverständnis oft unmöglich ist, obwohl bestimmte sparse-Methoden bei günstigen Datenbedingungen sowohl Vorhersagegenauigkeit als auch Interpretierbarkeit erreichen können.
Diese Studie demonstriert, dass PacBio HiFi-Sequenzierung die präzise De-novo-Assembly kompletter *Plasmodium falciparum*-Genome einschließlich der komplexen Variant Surface Antigen-Familien ermöglicht und somit eine wertvolle Ressource für die Erforschung der Parasitenevolution und Antigenvielfalt bietet.
Das Paper stellt ARGformer vor, einen Transformer-basierten Ansatz, der durch selbstüberwachtes Lernen auf ancestral recombination graphs (ARGs) kontextabhängige Embeddings erzeugt, um populationsgenetische Strukturen und Abstammungsmuster ohne Zugriff auf Genotyp-Matrizen zu analysieren.