142 Arbeiten
Systems Biologie verbindet Biologie mit Datenwissenschaft, um lebende Systeme als Ganzes zu verstehen. Statt einzelne Moleküle isoliert zu betrachten, analysieren Forscher hier, wie Tausende von Komponenten gemeinsam komplexe Funktionen steuern. Dieser Ansatz enthüllt neue Muster in Zellprozessen und hilft, Krankheiten auf einer systemischen Ebene zu entschlüsseln.
Auf Gist.Science durchlaufen wir jeden neuen Preprint aus dem bioRxiv in dieser Kategorie. Wir bieten nicht nur detaillierte technische Zusammenfassungen für Experten, sondern auch klare Erklärungen in einfacher Sprache, damit die neuesten Erkenntnisse für alle zugänglich sind. So bleibt niemand hinter dem raschen Fortschritt zurück.
Nachfolgend finden Sie die aktuellsten Beiträge aus dem Bereich der Systems Biologie, die wir für Sie aufbereitet haben.
Das Papier stellt NetDes vor, ein computergestütztes Framework, das aus Einzelzell-Genexpressions-Trajektorien zentrale Transkriptionsfaktor-Regulationsnetzwerke inferiert und auf ODE-basierten dynamischen Modellen konstruiert, um mehrstufige Zellzustandsübergänge über verschiedene biologische Prozesse hinweg mechanistisch zu erklären.
Diese Studie zeigt, dass ein kommerzieller inaktivierter nordamerikanischer Eastern-Equine-Encephalitis-Virus-Impfstoff Mäuse vor einer letalen Madariaga-Virus-Herausforderung schützt und die virale Dissemination reduziert, obwohl er vernachlässigbare neutralisierende Antikörpertiter induziert, was darauf hindeutet, dass nicht-neutralisierende Immunmechanismen zu heterologem Schutz beitragen.
Diese Studie zeigt, dass transplantierte Herzen rasch das biologische Alter ihrer Empfänger annehmen, anstatt das Alter der Spender beizubehalten, was durch das systemische Wirtsmilieu vorangetrieben wird, was wiederum auf neue Strategien zur Erweiterung des Pools an lebensfähigen transplantierbaren Organen hindeutet.
Unter Verwendung eines neuartigen Deep-Learning-Frameworks namens Ciclopes zeigt diese Studie, dass das Timing des mRNA-Abbaus in Maus- und Human-Pluripotenzsystemen evolutionär konserviert bleibt, während die transkriptionelle Kontrolle des Zellzyklus signifikant divergiert, wobei Mauszellen eine erhöhte Basalexpression beibehalten und Humanzellen auf größere oszillatorische Amplituden angewiesen sind, die sich während der Differenzierung weiter anpassen.
Diese Arbeit schlägt ein thermodynamisch konsistentes Modell vor, das zeigt, dass die ultrasensitive Antwort bei der bakteriellen Replikationsinitiierung aus unterschiedlichen, wachstumsbedingten Mechanismen der DnaA-Dynamik hervorgeht: einem Gleichgewicht zwischen Sequestrierung und Origin-Bindung bei langsamem Wachstum gegenüber schnellen Aktivierungs-Inaktivierungs-Übergängen mit kooperativer Bindung bei schnellem Wachstum.
Diese Arbeit schlägt ein theoretisches Framework vor, das ein agentenbasiertes Modell verwendet, um zu demonstrieren, dass die Heterogenität des Darmmikrobioms bei Bedingungen wie Autismus aus „behavioraler Degenerationsfähigkeit“ (behavioural degeneracy) resultiert, wobei diverse sensorische Merkmale und Lernstrategien auf ähnliche Ernährungsmuster und mikrobielle Zustände konvergieren, wodurch die Annahme infrage gestellt wird, dass Unterschiede im Mikrobiom einzigartig intrinsische neurobiologische Ursachen widerspiegeln.
Diese Studie zeigt, dass die Variation der Proteinverfügbarkeit und der Nährstoffaufnahmebeschränkungen in enzymebeschränkten Stoffwechselmodellen offenbart, dass die Protein-Nährstoff-Koinstabilität die genetischen Interaktionen von Hefe signifikant umgestaltet, häufige Vorzeichenumkehrungen verursacht und eine proteinbasierte Epistase aufdeckt, die Standardmodelle nicht erfassen.
Diese Studie präsentiert ein reproduzierbares, netzwerkbasiertes Entscheidungsunterstützungs-Framework, das Orphadata und DisGeNET über eine rigorose Gen-Harmonisierungspipeline integriert und ein Graph Attention Network einsetzt, um biologisch informierte Embeddings zu erlernen, wodurch eine 400-fache Verbesserung gegenüber Zufalls-Baselines bei der Priorisierung bestehender Arzneimittelkandidaten für seltene Krankheiten erreicht wird.
Dieses Paper schlägt vor, dass „selektiv vorteilhafte Instabilität“ (SAI) ein evolutionär begünstigter Mechanismus ist, bei dem Organismen gezielt spezifische biologische Informationen destabilisieren, um überlegene adaptive Zustände zu erreichen, was eine „Stabilisierungs-Destabilisierungs-Komplementarität“ schafft, die die zugrunde liegenden Trade-offs für geschlechtsspezifische Alterung, antagonistische Pleiotropie und die Akkumulation irreversibler Schäden trotz der Vorteile der Informationserhaltung erklärt.
Das Papier stellt INFORME vor, ein Framework, das bayesianisches informations-theoretisches Versuchsdesign mit nichtlinearen gemischten Effekten-Modellen integriert, um die Patientenmessungen adaptiv zu planen, wodurch im Vergleich zu festen Protokollen die Anzahl der erforderlichen Scans signifikant reduziert und individualisierte Behandlungsprognosen beschleunigt werden.