418 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.
Dieses Positionspapier argumentiert, dass das Erreichen robuster „virtueller Zellen“ eine Priorisierung von diverser biologischer Kontexte und kausalem Repräsentationslernen gegenüber der bloßen Skalierung von Modellkapazität und Datenvolumen erfordert, da aktuelle Modelle trotz ihrer Größe nicht über Kontexte hinweg generalisieren können.
Diese Studie stellt Plant Time Warping (PTW) vor, ein neuartiges Deep-Learning-Modell, das hochdurchsatzbasierte phänomische, genomische und umweltbezogene Daten integriert, um den Weizenertrag präzise vorherzusagen und Stabilitätssmuster über verschiedene europäische Umgebungen hinweg zu identifizieren und damit die Klimaanpassungsstrategien für die Pflanzenzüchtung voranzutreiben.
Diese Studie identifiziert spezifische genetische Loci und prävakzinale Blut-Transkriptom-Signaturen bei Schweinen, welche die Ausprägung und langfristige Persistenz der Antikörperreaktionen auf eine Influenza-A-Virus-Impfung bestimmen, und bietet somit potenzielle Biomarker zur Optimierung von Zucht- und Impfstrategien.
Dieses Paper führt ein skalierbares Framework unter Verwendung von Ancestral Recombination Graphs (ARGs) und randomisierter linearer Algebra ein, um Varianzkomponenten effizient zu schätzen und genetische Werte für komplexe Merkmale auf Biobank-Skala-Datensätzen vorherzusagen, wobei es eine mit Methoden vergleichbare Leistung zeigt, die wahre ARGs verwenden, während es gleichzeitig eine überlegene Genauigkeit gegenüber traditionellen Ansätzen bietet.
Diese Studie präsentiert die erste Chromosomenebene-Genomassemblierung von *Thecaphora frezzii*, dem Erreger der Erdnussschimmelkrankheit, die offenbart, dass dieser das größte und repetitivste Genom unter den echten Brandpilzen besitzt, und stellt eine wertvolle Ressource für das Verständnis seiner einzigartigen Infektionsstrategien, seiner Evolutionsgeschichte und seiner Populationsdynamik bereit.
Diese Studie präsentiert neue, einheitliche Genannotationen für drei Genom-Assemblierungen der Erbsenblattaphide, wobei Long-Read-Sequenzierung und ein integrierter Ansatz genutzt werden, um frühere Fehlannotationen zu korrigieren und einen robusten Vergleichsrahmen für die Analyse von Genduplikation und Evolution bei diesem Modellinsekt bereitzustellen.
Diese Studie zeigt, dass die Integration des Deep-Learning-Modells AlphaGenome mit gezieltem CRISPR-Base-Editing in K562-Zellen einen skalierbaren und kosteneffizienten Rahmen für die Identifizierung und experimentelle Validierung funktioneller nicht-kodierender regulatorischer Varianten bietet, welche die RHD-Expression steuern, was die erste phänotypische Validierung von AlphaGenome-Vorhersagen markiert.
Diese Studie zeigt, dass dynamische und statische Loop-Extrusionsmodelle, obwohl beide die allgemeinen Kontaktwahrscheinlichkeitskurven annähern, aufgrund von Unterschieden in den Lebensdauern der Extruder und dem räumlichen Rauschen intrinsisch inkompatible Ergebnisse hinsichtlich der internen Chromatinstruktur und der Loop-Statistiken liefern, was die kritische Notwendigkeit unterstreicht, diese Modellannahmen bei der Interpretation der Chromatinarchitektur zu berücksichtigen.
Diese Arbeit zeigt auf, dass Metriken für genetische Constraints, insbesondere Gnocchi, aufgrund von Modell-Biases und niedrigen Signal-Rausch-Verhältnissen signifikante Leistungsunterschiede über das menschliche nichtkodierende Genom hinweg aufweisen, was die Empfehlung ausspricht, diese Scores mit robusten Bias-Maßen zu annotieren, um Nutzern bei der Bewertung ihrer Zuverlässigkeit zu helfen.
Diese Studie bestätigt erneut, dass intronische transponierbare Elemente häufig zur Diversität der Spleiß-Isoformen im *Drosophila*-Gehirn beitragen, indem sie zuvor berichtete TE-Gen-Spleißereignisse validiert und methodische Mängel in einer jüngst erschienenen, widersprüchlichen Analyse identifiziert.