770 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.
Ce papier démontre qu'un agent de codage à seuil de correction peut surpasser de manière significative la référence RapidNJ établie en phylogénie computationnelle en produisant SwiftNJ, une implémentation optimisée du Neighbor Joining qui atteint un ratio de temps d'exécution géométrique moyen de 0,565 tout en maintenant une exactitude stricte par rapport aux références.
Leviathan est un package de logiciel open source qui permet un profilage taxonomique et fonctionnel ultra-rapide, économe en mémoire et précis des métagénomes et métagénomes de transcription à résolution génomique et pangénomique en combinant des méthodes taxonomiques sans alignement avec un pseudo-alignement dans l'espace de l'ADN pour contourner les étapes de recherche traduite coûteuses en calcul.
Cet article présente un cadre computationnel minimal et multi-échelle qui exploite la dynamique des protéines et les mécanismes de perturbation récurrents pour identifier et prioriser systématiquement des cibles antimicrobiennes en vue d'une polypharmacologie rationnelle, visant à améliorer l'efficacité thérapeutique tout en minimisant la toxicité et l'échappement mutationnel.
L'article présente gTranslate, un outil d'apprentissage automatique économiquement efficace qui prédit avec précision les tables de traduction pour les génomes procaryotes sans classification taxonomique préalable, atteignant une précision supérieure à 99,99 % et permettant la découverte de nouvelles variations du code génétique dans des lignées bactériennes spécifiques.
Cette étude présente un cadre computationnel exploitant le modèle fondamental de l'ADN Evo2 pour prioriser les variants régulateurs non codants dans le cancer colorectal en quantifiant leur impact sur les séquences promotrices, identifiant avec succès des candidats à fort impact enrichis dans des voies pertinentes pour le cancer et des loci GWAS, sans recourir à un apprentissage supervisé ni à des annotations prédéfinies.
SQANTI-browser est un nouveau cadre de visualisation qui intègre les données de transcriptome à lectures longues classées par SQANTI3 dans le UCSC Genome Browser, permettant un filtrage interactif, une curation guidée par les preuves et la résolution d'artefacts d'alignement pour sauver des isoformes nouvelles exploitables à travers divers ensembles de données.
CARIBOU est un cadre d'IA multi-agents conçu pour l'analyse bioinformatique autonome, itérative et reproductible au sein d'environnements de calcul haute performance institutionnels, utilisant des plans modifiables par les chercheurs et des états exécutables persistants pour surmonter les limites de la génération de code statique dans le traitement de jeux de données omiques à grande échelle, notamment single-cell et spatiaux.
VaxjoOnto est un cadre novateur qui exploite un graphe de connaissances hétérogène piloté par une ontologie vaccinale et un réseau de neurones à graphes pour prioriser efficacement les adjuvants pour les maladies connues et nouvelles, en répondant à un goulot d'étranglement critique dans le développement vaccinal en déplaçant l'accent de la découverte d'antigènes vers la sélection d'adjuvants.
Cet article présente le cadre SBB (Signal, Bornes et Lignes de base) pour évaluer rigoureusement les modèles de perturbation de cellules virtuelles, révélant que les méthodes d'apprentissage profond complexes échouent souvent à surpasser de manière significative de simples lignes de base linéaires et soulignant la nécessité de métriques standardisées pour distinguer le signal biologique authentique des artefacts statistiques.
Cette étude établit un cadre de bonnes pratiques pour la construction de réseaux de co-expression pondérés de gènes multi-omiques simultanés afin d'analyser la toxicité thyroïdienne et la récupération dans un modèle rongeur, démontrant que la concaténation de couches omiques non mises à l'échelle préserve la structure biologique tout en révélant une perturbation moléculaire extensive et une restauration partielle grâce à des analyses complémentaires de préservation des modules et de connectivité différentielle.