121 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.
Diese Studie entwickelt ein mathematisches Modell zur Analyse des Einflusses von krebassoziierten Fibroblasten auf ER-positive Brustkrebszellen und nutzt Optimalsteuerungstheorie, um zu zeigen, dass gezielte Therapien gegen diese Zellen die Wirksamkeit endokriner Behandlungen erheblich steigern können.
Diese Übersichtsarbeit stellt einen integrierten Systemrahmen vor, der über 50 Säugetierzelltypen bewertet und eine „Programmierbarkeit-und-Persistenz-Score"-Metrik (PPS) entwickelt, um die optimale Zellselektion für therapeutische Anwendungen, Toxizitätstests und regenerative Medizin zu ermöglichen.
Diese Studie etabliert einen Benchmark für patientenspezifische, vierkammerige Elektromechanik-Modelle des gesunden Herzens, indem sie durch eine kohortenbasierte globale Sensitivitätsanalyse an fünf Probanden nachweist, dass hämodynamische Randbedingungen den Einfluss individueller anatomischer Unterschiede übertreffen und die Herzfunktion maßgeblich bestimmen.
Die Studie stellt einen neuen rechnerischen Ansatz namens „Glycan Reachability Analysis" vor, der mithilfe von Transkriptomdaten und einem Flaschenhals-Prinzip die biosynthetische Kapazität von Glykanen in menschlichen Geweben quantifiziert und dabei die Grenzen herkömmlicher binärer Schwellenwertmethoden überwindet.
Die Studie stellt MINGL vor, ein probabilistisches Framework, das die Unsicherheit bei der Zuordnung von Zellen zu Nachbarschaften als biologisches Signal nutzt, um kontinuierliche Maße für Gewebegrenzen, Gradienten und Heterogenität in der multizellulären Gewebeorganisation zu quantifizieren.
Das Paper stellt VIOLIN vor, ein konfigurierbares, attributbewusstes Rekonkiliationsframework, das automatisch extrahierte molekulare Interaktionen aus der wissenschaftlichen Literatur mit strukturierten Baseline-Graphen vergleicht, um sie systematisch als Bestätigung, Widerspruch, Sonderfall oder Erweiterung zu klassifizieren.
Die Studie zeigt, dass die Leber durch den Einsatz erheblicher Kosten für die Enzymexpression thermodynamisch robust bleibt und ihre Stoffwechselkontrolle sowohl während des Fastens als auch bei Fettleibigkeit aufrechterhält, indem sie metabolische Konzentrationsänderungen ausgleicht.
Das R-Paket NeighborFinder ermöglicht eine effiziente und präzise Inferenz lokaler mikrobieller Netzwerke um eine spezifische Art herum, indem es gezielte, interpretierbare Interaktionen durch regularisierte Regression ermittelt, anstatt wie herkömmliche Methoden computationally intensive globale Netzwerke zu rekonstruieren.
Diese Studie stellt einen allgemeinen graphbasierten maschinellen Lernansatz vor, der die Auswirkungen von Genperturbationen auf molekulare Phänotypen vorhersagt, um kostspielige Experimente zu reduzieren, Gene zu priorisieren und biologische Mechanismen zu hypothesieren.
Die Studie zeigt, dass FTIR-Spektroskopie in Kombination mit maschinellem Lernen Chemotypen bei Drosophila melanogaster identifiziert, die als integrative Proxy-Marker für genetische, physiologische und altersbedingte Variationen dienen und zudem die Stressreaktion verschiedener Populationen vorhersagen können.