1235 articles
La bioinformatique se situe à la croisée fascinante de la biologie et de l'informatique, où des données biologiques complexes sont transformées en connaissances actionnables grâce à des algorithmes puissants. Ce domaine permet aux chercheurs de décrypter le code de la vie, d'analyser des séquences génétiques massives et de modéliser des interactions moléculaires avec une précision inédite, accélérant ainsi les découvertes médicales et biologiques.
Sur Gist.Science, nous nous engageons à rendre ces travaux accessibles à tous. Chaque nouvelle prépublication soumise sur bioRxiv dans cette catégorie est traitée par nos soins, offrant à la fois un résumé technique détaillé pour les experts et une explication claire en langage courant pour le grand public.
Vous trouverez ci-dessous la sélection des dernières études parues dans ce domaine, prêtes à être explorées.
Cette étude utilise une modélisation intégrative de données cliniques et moléculaires pour identifier *LRRN4CL* comme un nouveau marqueur de l'impossibilité de récupération myocardiale après l'implantation d'un dispositif d'assistance ventriculaire gauche, tout en démontrant son rôle dans la dysfonction des cardiomyocytes.
Cette étude démontre que les méthodes d'ensemble basées sur des arbres, en particulier le modèle XGBoost, sont les plus performantes pour analyser les données complexes du microbiote intestinal et prédire des catégories de santé et de régionalité avec une grande précision.
Cette étude évalue l'adaptation du modèle de fondation humain RETFound pour l'estimation de l'âge de rats via l'OCT, démontrant que si le transfert de connaissances est scientifiquement viable, des modèles CNN classiques comme Xception restent plus performants dans ce contexte de données limitées propre à la biologie spatiale.
AlphaUnfold est un pipeline automatisé qui utilise des simulations de dynamique moléculaire à haute pression pour tester la robustesse biophysique des modèles AlphaFold3, démontrant que les zones de faible confiance (pLDDT) correspondent à une fragilité structurelle accrue.
Les auteurs soutiennent que les modèles actuels de cellules virtuelles par IA nécessitent de nouveaux critères d'évaluation axés sur la découverte scientifique, et proposent le cadre PerturbHD pour démontrer l'utilité de cette approche dans la découverte de candidats thérapeutiques.
L'article présente COSMOS+, une approche intégrant l'analyse factorielle multi-omiques et des connaissances mécanistiques a priori pour modéliser la propagation causale des signaux et générer des hypothèses interprétables sur les mécanismes de résistance au cancer du sein.
Cet article présente une méthode basée sur l'apprentissage profond qui, bien qu'offrant une efficacité computationnelle supérieure aux approches de vraisemblance classiques pour identifier les pressions de sélection sur les sites protéiques, nécessite d'être entraînée sur des données représentatives pour garantir sa précision.
Les auteurs présentent un algorithme *de novo* générique qui reconstruit avec précision les séquences alléliques à partir de lectures amplicons Oxford Nanopore sans a priori, permettant ainsi d'inférer les diplotypes et les variations du nombre de copies, comme démontré avec succès sur le gène complexe CYP2D6 et d'autres régions génomiques.
Le modèle d'IA H2O comble le fossé entre l'histopathologie et le multi-omique spatial en permettant la prédiction directe de paysages transcriptomiques et protéomiques à partir d'images H&E standard, offrant ainsi une approche évolutive et précise pour l'analyse moléculaire des tissus sans coûts de séquençage élevés.
Verticall est un outil open source rapide et robuste conçu pour détecter les régions de recombinaison et générer des phylogénies exemptes de recombinaison dans de vastes ensembles de génomes bactériens, surpassant ou égalant les performances des outils existants en termes d'efficacité computationnelle et de précision sur des milliers de génomes.