In einem so vielfältigen Bereich wie der Bioinformatik ist es eine Herausforderung, stets über die neuesten Fortschritte und Ideen auf dem Laufenden zu bleiben. Die SIB Remarkable Outputs bieten der globalen Community eine Auswahl herausragender Arbeiten, die im Laufe des Jahres von unseren Mitgliedern erstellt wurden. Diese vom SIB Award Committee ausgewählten Ergebnisse können peer-reviewte Publikationen, Preprints, Ressourcen, Software-Tools, Datenbanken, Outreach-Programme, Wissenschaftsförderung usw. umfassen.
-
Clustering des Universums von KI-vorhergesagten Proteinstrukturen
BETEILIGTE SIB-GRUPPEN: Zelluläre Folgen genetischer Variationen, geleitet von Pedro Beltrao, Zürich
In Zusammenarbeit mit dem Steinegger Lab unter der Leitung von Martin Steinegger, Seoul, sowie weiteren Mitwirkenden.Verwandte Ressourcen: https://cluster.foldseek.com/, SIB News
AlphaFold hat zur Vorhersage der Strukturen von Hunderten Millionen Proteinen geführt, die in allen Formen und Größen vorkommen. Die Frage ist: Wie viele davon sehen ähnlich aus und was sagt uns das über ihre Funktion? Die Studie gruppierte die AlphaFold-Proteinstrukturen in rund 2 Millionen Cluster verwandter Proteine, um deren Neuheit und Evolution zu untersuchen. Diese sind über eine benutzerfreundliche Weboberfläche zugänglich: AlphaFold Clusters.
Das Komitee sagte über die Arbeit: „Diese Arbeit wurde seit ihrer Veröffentlichung mit fast 50 Zitaten gewürdigt und hat durch die Bereitstellung eines sorgfältig organisierten, leicht zugänglichen und frei verfügbaren Datensatzes von Proteinclustern einen bedeutenden Beitrag zum Bereich der Biowissenschaften geleistet.“
-
Entschlüsselung des Zusammenhangs zwischen Gewebearchitektur und Zellplastizität
BETEILIGTE SIB-GRUPPE: Computational Systems Oncology, geleitet von Giovanni Ciriello, Lausanne.
Verwandte Ressource: in silico talk
CellCharter ist ein computergestütztes Framework zur Erforschung und Analyse von Zellgemeinschaften in Geweben. Sein primäres Ziel ist es, aufzudecken, wie sich verschiedene Zelltypen in bestimmten Bereichen zusammenschließen und funktionieren. Dies liefert tiefere Einblicke in das Verhalten und die Interaktionen von Zellen in verschiedenen biologischen Umgebungen, beispielsweise bei Krebserkrankungen.
Das Urteil des Komitees: „CellCharter ist ein bemerkenswertes Tool zur Identifizierung, Charakterisierung und zum Vergleich von Zellgemeinschaften in räumlichen Omics-Datensätzen. Es integriert bestehende Ansätze und bietet eine allgemein anwendbare, leistungsstarke Methode.“
-
Mit Glittr.org offene und FAIR-konforme Schulungsmaterialien für Bioinformatik finden
BETEILIGTE SIB-GRUPPEN: Training, geleitet von Patricia Palagi & SIB IT, Lausanne.
Die Online-Softwareentwicklungsplattformen GitHub und GitLab bieten eine Fülle hervorragender Materialien für das Training im Bereich Bioinformatik, die jedoch schwer zu finden sind. Glittr.org ermöglicht es Nutzern, diese Materialien mühelos zu finden, zu vergleichen und wiederzuverwenden.
Das Komitee über die Arbeit: „Glittr.org bietet ein einzigartiges Portal für die Suche nach und den Zugriff auf eine Vielzahl öffentlich verfügbarer Trainingsmaterialien. Die FAIR-Ausrichtung der Trainingsressourcen ist ein besonders wichtiger Beitrag, den Glittr.org in bemerkenswert kurzer Zeit erreicht hat.“
-
Verbesserte Vorhersagen der Antigenpräsentation liefern neue strukturelle Erkenntnisse
Beteiligte SIB-Gruppen: Computational Cancer Biology, geleitet von David Gfeller, in Zusammenarbeit mit Computer-aided Molecular Engineering, geleitet von Vincent Zoete, Lausanne.
In dieser Studie wird eine große Menge von Liganden gesammelt und kuratiert, auf die bestimmte Immunzellen abzielen. In Kombination mit fortschrittlichem maschinellem Lernen verbessert dies die Vorhersagen darüber, welche potenziell schädlichen Moleküle Immunreaktionen auslösen. Diese Studie enthüllt außerdem eine einzigartige Art und Weise, wie einige dieser Liganden an ihren Rezeptor binden. Diese Ergebnisse könnten dazu beitragen, personalisierte Immuntherapieansätze bei Autoimmunerkrankungen oder Krebs zu beschleunigen.Das Komitee über die Arbeit: „Diese Studie stellt einen bedeutenden wissenschaftlichen Durchbruch dar, da sie das Paradigma für das Verständnis von MHC-Klasse-II-Peptiden und deren Erkennung durch CD4+-T-Zellen verschiebt. Sie wird von direkter Relevanz für die Entwicklung therapeutischer Behandlungen für Immunerkrankungen und Krebs sein.“
-
Auswertung von Tumormutationsbäumen für eine evolutionsgesteuerte Präzisionsonkologie
BETEILIGTE SIB-GRUPPE: Computational Biology Group, geleitet von Niko Beerenwinkel, Basel.
Das Verständnis der Krebsentwicklung ist für die Entwicklung wirksamer Therapien von entscheidender Bedeutung. Durch das Erlernen reproduzierbarer Evolutionsmuster und komplexer Wechselwirkungen zwischen Krebsmutationen kann TreeMHN die Tumorprogression besser vorhersagen und eine evolutionsgesteuerte Präzisionsonkologie ermöglichen.
Das Komitee über die Arbeit: „Die Berechnungsmethode von TreeMHN stellt einen herausragenden Fortschritt im Bereich der Biowissenschaften dar. Sie ermöglicht eine bessere Verarbeitung von Tumormutationsdaten einzelner Zellen für die Darstellung und potenzielle Vorhersage von Krebsverläufen.“
-
Navigieren Sie durch das riesige Universum der Proteine
BETEILIGTE SIB-GRUPPE: Computational Structural Biology, geleitet von Torsten Schwede, Basel.
Der Protein Universe Atlas ist ein Webdienst, mit dem Nutzer durch ein Universum navigieren können, das Millionen bekannter Proteine enthält. In dieser Darstellung sind Proteine mit bekannter Funktion helle Sterne, Proteinfamilien sind Galaxien usw. Dieses Universum enthält auch Proteine, deren Funktion noch nicht vorhergesagt werden kann.
Das sagte die Jury über die Arbeit: „Der Protein Universe Atlas ist eine bahnbrechende Ressource zur Erforschung der Vielfalt von Proteinen. Seine benutzerfreundliche Weboberfläche ermöglicht es Forschern, Biokuratoren und Studenten, durch die „dunkle Materie“ zu navigieren und Proteine mit unbekannter Funktion zu erforschen.“
-
Vorhersage, wie einzelne Zellen auf Störungen reagieren
BETEILIGTE SIB-GRUPPEN: Biomedizinische Informatik, geleitet von Gunnar Rätsch, Zürich
In Zusammenarbeit mit: Learning & Adaptive Systems Group unter der Leitung von Andreas Krause und dem Pelkmanslab unter der Leitung von Lucas Pelkmans, Zürich, sowie weiteren Mitwirkenden.CellOT ist ein Framework zum Erlernen und Vorhersagen der komplexen Störungsreaktionen einzelner Zellen. Unter Nutzung der neuesten Fortschritte im Bereich des optimalen Transports kann CellOT selbst kleinste Details von Störungen vorhersagen und damit den Weg zu einem besseren Verständnis von Zelltherapien, zur Untersuchung von Arzneimittelreaktionen anhand von Patientenproben und zu einer verbesserten Berücksichtigung der Zell-zu-Zell-Variabilität bei der Entwicklung von Arzneimitteln in großem Maßstab ebnen
Das Komitee über die Arbeit: „Die Arbeit ist ein bedeutender Fortschritt für das Verständnis der heterogenen Reaktion verschiedener Zellzustände auf Umweltstörungen. Sie könnte sich in Zukunft auf die Arzneimittelentwicklung auswirken.“
