509 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.
Die Studie zeigt, dass die Repräsentation und Rekrutierungsmethoden in genetischen Biobanken (wie UKB, FinnGen und All of Us) die Schlussfolgerungen über die genetische Architektur von Merkmalen, insbesondere die geschätzte Heritabilität und die Richtung von Alleleffekten, erheblich beeinflussen, wobei diese Verzerrungen oft durch die Schiefe der Merkmalsverteilung in den jeweiligen Kohorten erklärt werden können.
In dieser Studie wurde durch die Integration von GWAS-Daten mit einer hochauflösenden Karte des dexamethasoninduzierten 3D-Chromatin-Landschafts in menschlichen Trabekelmaschenzellen ein mechanistisches Rahmenwerk für die Pathogenese des primären Offenwinkelglaukoms erstellt, das 78 kausale Kandidatengene und regulatorische Mechanismen identifiziert.
Diese Studie analysiert über 20.000 Tumorgene und zeigt, dass Stop-Loss-Mutationen, die Proteinverlängerungen verursachen, in Onkogenen und Tumorsuppressorgenen angereichert sind und potenziell die Immunerkennung sowie die Funktion von Proteinen wie PTMA beeinträchtigen.
Diese Studie identifiziert mittels CAGE-Technologie während der Metamorphose von Honigbienen-Arbeiterinnen erstmals aktive Enhancer und Transkriptionsstartstellen, wobei sie eine spezifische regulatorische Beziehung zwischen dem Transkriptionsfaktor Tramtrack (ttk) und dem Schlüsselingen Broad complex (Br-c) aufdeckt, die innerhalb der Gattung Apis konserviert ist.
Die Studie zeigt, dass die Wahl zwischen Bulk- und Single-Cell-Methoden zur Profilierung von Endothelzellen trotz ähnlicher biologischer Ergebnisse die Vorhersagen von regulatorischen Genverbindungen und die Priorisierung kausaler GWAS-Gene beeinflusst.
Die Studie entwickelt mit EpiVision ein epigenetisches Vorhersagemodell, das auf der Analyse von DNA-Methylierung und KI-gestützten Gesichtsbildern beruht und zeigt, dass sichtbare Hautalterungsmerkmale wie Falten, Pigmentierung und Entzündungen sowohl gemeinsame als auch spezifische molekulare Mechanismen aufweisen.
Die Studie stellt „Combine" vor, ein skalierbares Framework zur polygenen Risikovorhersage in admixierten Populationen, das durch die Integration lokaler Abstammungsdaten und eine Group-Lasso-Strafe die Vorhersagegenauigkeit signifikant verbessert und gleichzeitig die Interpretierbarkeit genetischer Effekte ermöglicht.
Die Studie stellt ESPeR-seq als eine neuartige, hochempfindliche RNA-seq-Bibliotheksvorbereitungsmethode vor, die durch einen „Omega-dT"-Primer und einen biochemischen „Multi-Lock"-Mechanismus nicht-spezifische PCR-Produkte sowie „Phantom-UMIs" eliminiert und somit eine präzise Bestimmung der Transkriptionsendstellen sowie eine absolute quantitative Genauigkeit ermöglicht.
Die Studie identifiziert krankheitsspezifische Allele und Genverdopplungen bei 1.600 *Haemophilus influenzae*-Stämmen, indem sie genomweite Sequenzdaten mit klinischen Metadaten und Vorhersagen eines unüberwachten Sprachmodells (AlphaFold) kombiniert, um Proteinvarianten zu clustern, die signifikant mit bestimmten Krankheitsphänotypen wie COPD korrelieren.
Die Studie stellt SNACKKSS vor, ein System, das durch automatische Kuratierung von Transkriptomdaten und biomedizinischer Literatur synergistisch neue Wirkstoffkandidaten zur Behandlung monogenetischer Erkrankungen identifiziert, wobei ein Ensemble aus mehreren Vorhersagemodellen und die Berücksichtigung von Hardware-Unterschieden bei komplexen Machine-Learning-Modellen als entscheidende Faktoren hervorgehoben werden.