511 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 stellt TimeFlies vor, einen auf Deep Learning basierenden snRNA-seq-Alterungsuhr für den Kopf der Fruchtfliege, der nicht nur lncRNAs wie roX1 und roX2 als zentrale Biomarker identifiziert, sondern auch geschlechtsspezifische Unterschiede in den zugrundeliegenden Alterungsmechanismen aufdeckt.
Diese Studie zeigt durch eine cross-platform Hi-C Meta-Analyse, dass funktionelle Insulatoren (FINs) und nicht TAD-Grenzen die eigentlichen Blocker von Enhancer-Promoter-Interaktionen sind, da nur FINs bei CTCF-Depletion zu neu gebildeten, aktivierenden Schleifen führen.
Diese Studie rekonstruiert durch Ganzgenomsequenzierung der CRFK- und PG-4-Zelllinien den unbekannten Phänotyp der ursprünglichen Spendertiere (insbesondere Fell- und Irisfarbe) und unterstreicht die Bedeutung dieser genetischen Hintergründe für die Interpretation zellbiologischer Daten sowie für das Verständnis systemischer Effekte von Fellfarben-Genen.
Das Impact of Genomic Variation on Function Consortium hat einen skalierbaren Ansatz entwickelt, der experimentelle und prädiktive Daten nutzt, um die meisten Varianten unklarer Signifikanz (VUS) in 40 Krankheitsgenen neu zu klassifizieren und so die klinische Anwendung genomischer Medizin zu stärken.
Diese Studie stellt einen interpretierbaren und generalisierbaren Pipeline-Ansatz vor, der SHAP-gestützte CpG-Selektion mit einem Ensemble-Lernmodell kombiniert, um präzise und biologisch fundierte epigenetische Altersvorhersagen über verschiedene Gewebe hinweg zu ermöglichen.
Das Paper stellt Pixel2Gene vor, ein Deep-Learning-Framework, das histologische Bilder mit räumlichen Transkriptomdaten kombiniert, um die Genauigkeit und Vollständigkeit von Genexpressionsprofilen zu verbessern und kosteneffiziente, hochauflösende Analysen im gesamten Gewebe zu ermöglichen.
Diese Studie stellt einen direkten, in-house Ansatz zur empirischen Bewertung der Proteotypizität von Peptiden für die zielgerichtete Proteomik vor, bei dem durch umfassende Synthese und Detektionsverifikation der Einfluss von Probenverarbeitung und biologischen Faktoren an drei Plasmaproteinen untersucht wird.
Diese Studie identifiziert den Protocadherin-Gencluster als natürliches, vererbbares Methylierungs-Barcode-System, das es ermöglicht, die klonale Evolution und somatische Entwicklung in verschiedenen menschlichen Geweben über einen Zeitraum von zehn Jahren mit hoher Auflösung und unabhängig von Treibermutationen nachzuverfolgen.
Die Studie zeigt, dass das Sekretom des Pilzpathogens *Zymoseptoria passerinii* auf konservierten Proteinstrukturen basiert, die durch lokale physikochemische Variationen eine schnelle adaptive Evolution und funktionelle Diversifizierung von Effektorproteinen ermöglichen.
Die Studie stellt das „Virtual Biotech" vor, ein koordiniertes Multi-Agenten-KI-Framework, das die Struktur menschlicher Forschungsorganisationen nachahmt, um durch die Integration multipler Datenmodalitäten und autonomer Analysen die therapeutische Entdeckung und Entwicklung transparenter, effizienter und umfassender zu gestalten.