📄 Category

systems biology

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.

📄 systems biology

Cross-Species Translation Enhances the Use of Mouse Models for Translatability and Drug Discovery in Late-Onset Alzheimer's Disease

Diese Studie zeigt, dass das computergestützte Framework TransComp-R durch die Identifizierung von transcriptomischen Merkmalen, die Mausmodelle mit der menschlichen spätbeginnten Alzheimer-Krankheit verbinden, die Entdeckung neuer Therapien ermöglicht und die Wirksamkeit des Orexin-Rezeptor-Antagonisten Suvorexant zur Reduktion von phosphoryliertem Tau in menschlichen Patienten bestätigt.

Park, J. H., Yu, J., Lucey, B. P., Brubaker, D. K.2026-03-24
📄 systems biology

Integrating metagenome-scale metabolic modelling and metabolomics to identify biochemical interactions in Microcystis phycospheres

Die Studie kombiniert Metagenomik, Metabolomik und metabolische Modellierung, um die funktionale Entkopplung zwischen *Microcystis* und ihrem Mikrobiom sowie die Rolle interspezifischer metabolischer Interaktionen für die Strukturierung von Cyanobakterienblüten zu beleuchten.

Audemard, J., Creusot, N., Leloup, J., Duval, C., Halary, S., Mary, L., Eon, M., Forjonel, T., Mouffok, M., Puppo, R., B (…)2026-03-23
📄 systems biology

FASTERCC: Accelerating Flux Consistency Testing and Context-Specific Reconstruction for Large-Scale Metabolic Network Models

Das Paper stellt FASTERCC vor, einen optimierten Algorithmus zur Beschleunigung der Flux-Konsistenzprüfung und kontextspezifischen Rekonstruktion in großen metabolischen Netzwerken, der durch strukturelle Vorverarbeitung die Laufzeit im Vergleich zu FASTCC um den Faktor 20 reduziert und damit Analysen bei sehr großen Modellen praktikabel macht.

Pacheco, M., Gonzalez, E., Sauter, T.2026-03-21
📄 systems biology

A Computational Model of Tumor Interactions with Bone-Resident Cells Predicts Tumor-Type-Specific Responses to Perturbations

Die Studie entwickelt ein computergestütztes Modell, das zeigt, wie sich die Abhängigkeit von knochenbezogenen Wachstumsfaktoren und die Reaktion auf Therapien bei Knochenmetastasen je nach Anpassungsgrad des Tumors unterscheiden, wobei die Hemmung der Knochenresorption nur bei nicht-adaptierten Tumoren effektiv ist.

Vega, A. G., Bennett, N. E., Beadle, E. P., Alshafeay, S., Chitturi, R., Nagarimadugu, A., Villur, H., Jaiswal, A., Rhoa (…)2026-03-19
📄 systems biology

Canonical Analysis of Fluorescent Timer-Anchored Transcriptomes Resolves Joint Temporal and Developmental Progression

Die Studie stellt das Framework mCanonicalTockySeq vor, das durch die Kombination von Einzelzell-Transkriptomik mit einem experimentell verankerten molekularen Uhrsystem (Nr4a3-Tocky) die gemeinsame Rekonstruktion von zeitlicher Progression und entwicklungsbiologischer Differenzierung ermöglicht und somit vergleichende Analysen zwischen Maus und Mensch unterstützt.

Irie, N., Reda, O., Satou, Y., Ono, M.2026-03-18
📄 systems biology

GeNETop: Context-Specific Genome-Scale Constrained Models Using Network Topology, Flux Variability, and Transcriptomics

Die Studie stellt GeNETop vor, eine Methode zur Erstellung kontextspezifischer genomweiter Stoffwechselmodelle, die durch die Integration von Netzwerk-Topologie, Flux-Variabilitätsanalyse und Transkriptomdaten dynamisch kompatible Modelle für *Saccharomyces cerevisiae* erzeugt und so die Grenzen bestehender Ansätze für zeitabhängige Simulationen überwindet.

Troitino-Jordedo, D., Mansouri, A., Minebois, R., Querol, A., Remondini, D., Balsa-Canto, E.2026-03-18
📄 systems biology

Interpretable machine learning meets systems biology to decode genotype-phenotype maps

Die Studie stellt ein interpretierbares maschinelles Lernframework vor, das durch die Entkopplung von Linkage-Disequilibrium und die Integration mit systembiologischen Modellen kausale Gene und molekulare Mechanismen in Hefe aufdeckt und so quantitative Genotyp-Phänotyp-Beziehungen in mechanistische biologische Erkenntnisse übersetzt.

Reguna Madhan, R. L., Balaji, R., Sinha, H., Bhatt, N.2026-03-18