104 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.
Die Studie zeigt, dass die Bindungsstärke von Promotoren die Genexpression am stärksten beeinflusst, gefolgt von der Lokalisierung und Konzentration von Transkriptionsfaktoren, während Affinitätsvariationen weitgehend gepuffert werden, wodurch ein komplexes Zusammenspiel und Leistungsabwägungen zwischen cis- und trans-regulatorischen Faktoren aufgedeckt werden.
Die Studie des MoTrPAC-Konsortiums zeigt, dass eine einzelne Trainingseinheit bei sitzenden Erwachsenen zeitlich aufgelöste, multimodale molekulare Veränderungen im subkutanen Bauchfett auslöst, die von der Trainingsart abhängen und neue Einblicke in die adiposassoziierten Mechanismen der metabolischen Gesundheit durch Bewegung bieten.
Die Arbeit stellt MAPLE vor, ein Framework, das strukturierte Validierungsschemas nutzt, um die Zusammenarbeit zwischen Large Language Models und Quantitative Systems Pharmacology-Modellierern zu ermöglichen und so die konsistente, nachvollziehbare und fehlerreduzierte Kalibrierung von Modellen aus der Literatur zu gewährleisten.
Diese Studie nutzt einen netzwerkpharmakologischen Ansatz, um TUDCA und Arundin als vielversprechende Repurposing-Kandidaten für die Alzheimer-Krankheit zu identifizieren und experimentell zu validieren, die über die Regulation der G-Protein-Signalisierung neuroinflammatorische Prozesse und Amyloid-beta-Clearance positiv beeinflussen.
Der Toroidal Search Algorithm (TSA) ist ein neuartiger, topologieinspirierter Metaheuristik-Optimierungsalgorithmus, der durch die Einbettung des Suchraums in eine toroidale Geometrie das Problem der Grenzstagnation löst und sich durch überlegene Robustheit sowie hohe Genauigkeit bei der Parameterschätzung in mathematischen Krebsmodellen auszeichnet.
Die Studie stellt TwinCell vor, ein großes kausales Zellmodell, das durch die Kombination von Single-Cell-Embeddings mit einem biologischen Interaktom zuverlässige und interpretierbare therapeutische Zielstrukturen identifiziert, die in vitro und klinisch validiert wurden und dabei den Transfer von Zelllinien auf Patientendaten ermöglichen.
Diese Studie des MoTrPAC-Konsortiums zeigt, dass akutes Ausdauer- und Krafttraining beim Menschen eine zeitlich abgestufte, multi-omische Reaktion im Skelettmuskel auslösen, bei der epigenetische und metabolische Veränderungen der Genexpression und Proteinsynthese vorausgehen und spezifische regulatorische Netzwerke für Stoffwechsel, Angiogenese und Autophagie aktivieren.
Diese Studie identifiziert Nicotinsäureribosid (NaR) als vom Leber-Uhr kontrolliertes zirkulierendes Metabolit, das über die Bindung an den Prefoldin-Komplex die Faltung von Proteinen und die Adipogenese in einer zeitabhängigen Weise reguliert.
Das MoTrPAC-Projekt untersucht die physiologischen und molekularen Grundlagen der gesundheitlichen Vorteile von akuten und chronischen Ausdauer- sowie Krafttrainingsprogrammen bei gesunden, inaktiven Erwachsenen und zeigt, dass beide Trainingsformen unterschiedliche Anpassungsmechanismen auslösen.
Die Studie stellt einen likelihood-freien Inferenzansatz mittels neuronaler Posterior-Schätzung vor, der es ermöglicht, Parameter für räumlich-zeitliche stochastische Modelle der Zellmigration direkt aus Simulationen abzuleiten und dabei sowohl zusammengefasste Statistiken als auch Rohbilddaten zu nutzen, um die Limitierungen herkömmlicher Methoden wie Approximate Bayesian Computation zu überwinden.