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.
Dieses Paper stellt einen optimalen algorithmischen Ansatz vor, der algorithmische Komplexität nutzt, um asynchrone Boolean-Netzwerkmodelle aus verrauschten experimentellen Daten abzuleiten und dabei die Modellgüte, die Größe sowie die Recheneffizienz effektiv auszubalancieren.
Dieses Paper führt Deep Mechanistic Models (DMMs) ein, ein Framework, das semi-überwachtes Repräsentationslernen mit Modellen gewöhnlicher Differentialgleichungen integriert, um aufzuzeigen, dass die Heterogenität der MAPK-Signalisierung in der Brust primär durch pfad-extrinsische Faktoren anstatt durch Variationen innerhalb des Kernpfades getrieben wird, während es gleichzeitig Modell-Diskrepanzen nutzt, um neuartige biologische Mechanismen zu identifizieren.
Diese Arbeit führt eine kovariante Hierarchie von Deskriptoren (cBST1–cBST3) für die Biochemische Systemtheorie ein, welche die Koordinatenkonsistenz unter nichtlinearen Reparametrisierungen gewährleistet und durch quantitative Validierung an Hefe-Glykolyse-Modellen nachweist, dass diese Terme höherer Ordnung im Vergleich zu klassischen Methoden die Approximationsfehler signifikant reduzieren und das Trunkationsverhalten präzise vorhersagen.
Diese Arbeit charakterisiert systematisch die Volumenabhängigkeit des stochastischen detaillierten Gleichgewichts in chemischen Reaktionsnetzwerken durch die Einführung einer viergliedrigen Klassifizierung, die zwischen parameterabhängigem und strukturell erzwungenem Gleichgewicht unterscheidet und Netzwerkklassen identifiziert, die das detaillierte Gleichgewicht für alle Volumina und Ratenkonstanten erfüllen, während sie gleichzeitig die Konstruktion von Systemen mit Doppelmulden-Globalpotenzialen ermöglichen.
Durch die Integration von tiefgreifendem proteomischem Profiling mit QTL-Mapping in einem genetisch diversen Mausmodell für MASLD konstruiert diese Studie ein umfassendes Gen-Protein-Phänotyp-Netzwerk, das die E3-Ubiquitin-Ligase Ubr1 als zentralen Regulator identifiziert, der Proteostase und Lipidmetabolismus mit der Krankheitsanfälligkeit verknüpft.
Diese Studie stellt eine skalierbare, ungerichtete Metabolomik-Plattform unter Verwendung von Xenopus-Oozyten, die in menschlichem Serum inkubiert wurden, vor, um erfolgreich fünf menschliche Solut-Carrier-Proteine zu deorphanisieren und deren Substratspezifitäten zu charakterisieren, wobei bekannte Substrate wiedergefunden und neuartige transportierte Metaboliten identifiziert wurden.
Diese Studie verwendet ein quantitatives biophysikalisches Modell, um zu demonstrieren, dass der store-operated Calcium-Einstrom (SOCE) die Skelettmuskelkraft während des Widerstandstrainings durch die Aufrechterhaltung der Calciumfreisetzung steigert, jedoch aufgrund der Phosphatakkumulation während hochintensivem Training die Ermüdung verstärken kann, ein Kompromiss, der durch die mitochondriale Phosphataufnahme moduliert wird.
Diese Studie führt einen neuartigen überwachten Clustering-Ansatz für hochabgedeckte Einzelzell-RNA-Sequenzierungsdaten ein, um die mRNA-Landschaften von *C. elegans* quantitativ zu charakterisieren, wobei beispiellose zelltypspezifische Genexpressionsprogramme aufgedeckt und neuartige gewebespezifische Gene identifiziert wurden, die bei niedrigeren Abdeckungsschwellenwerten zuvor nicht nachweisbar waren.
Dieses Paper stellt ChatGEM vor, eine agentenbasierte Plattform, die natürliche Sprache und Retrieval-Augmented Generation nutzt, um die genomweite Stoffwechselmodellierung zu demokratisieren und es Forschern ohne Computerkenntnisse zu ermöglichen, komplexe Simulationen durchzuführen und erfolgreich optimale mikrobielle Stämme für die Bioproduktion zu identifizieren.
Diese Studie identifiziert spezifische Architekturen genregulatorischer Netzwerke, einschließlich vollständig diskonektierter Strukturen sowie solcher mit Selbstaktivierung oder universeller Inhibition, die theoretisch in der Lage sind, Multi-Fate-Zellentscheidungen durch die gleichzeitige Stabilität aller Einzel-Hochzustände zu unterstützen.