1063 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 démontre que les prédicteurs d'effet de variant basés sur l'homologie échouent systématiquement pour les pharmacogènes du cytochrome P450 car ils suivent principalement l'abondance protéique plutôt que l'activité catalytique, nécessitant une nouvelle approche de modélisation qui incorpore le contexte spécifique au substrat pour prédire avec précision les conséquences fonctionnelles.
EnsPlex est un cadre multi-sources qui intègre diverses méthodes d'échantillonnage structurel à un modèle d'évaluation de la qualité sensible à la topologie (FACET) afin d'améliorer significativement la précision et les taux de réussite de la prédiction des complexes protéiques dans les systèmes antigène-anticorps par rapport aux approches existantes.
Cette étude introduit l'algorithme MAPLE pour analyser les données de transcriptomique spatiale multi-échantillons, révélant que la progression de la fibrose pulmonaire idiopathique implique des programmes fibrotiques spécifiques à certaines régions et la colocalisation spatiale de cellules sénescentes avec des niches basaloïdes aberrantes dans les poumons humains.
Ce document présente QHGM, un nouveau modèle génératif basé sur l'Hamiltonien quantique couplé à un algorithme quantique variationnel évolutif (VQ-Net) qui surpasse de manière significative les méthodes classiques pour inférer les réseaux de régulation génique à partir de données de transcriptomique en cellule unique, comme le démontrent une précision supérieure sur des bancs d'essai synthétiques et des perspectives biologiquement pertinentes dans le glioblastome.
MetaUmbra est un nouvel outil computationnel qui permet l'inférence de présence au niveau du génome, contrôlée statistiquement, en métaprotéomique par l'évaluation formelle des preuves peptidiques uniques et partagées par rapport à un panel de génomes de référence afin de résoudre l'ambiguïté taxonomique.
Cet article établit que l'application des flux de travail de prétraitement standard de la scRNA-seq aux données générées par un modèle de métacellules aboutit à un modèle de mélange gaussien dans l'espace PCA, un résultat dérivé de la théorie des matrices aléatoires qui révèle les limites du modèle de métacellules pour capturer les corrélations de gènes et sous-estimer la variance dans les jeux de données réels, tout en offrant un cadre pour améliorer la modélisation statistique en aval.
L'article présente *biomes*, un package R qui fournit des couches raster mondiales harmonisées pour 31 schémas de biomes distincts ainsi qu'un flux de travail reproductible et fondé sur les données pour aider les chercheurs à sélectionner le schéma le plus approprié et à classer les enregistrements d'occurrences d'espèces pour les études écologiques et évolutives.
SFUMATO est un cadre probabiliste bayésien accéléré par GPU qui surmonte les limites du partitionnement par étiquettes strictes en transcriptomique spatiale en générant des visualisations à mélange de couleurs et des cartes quantitatives sensibles à l'incertitude qui capturent les transitions transcriptionnelles graduelles et l'hétérogénéité tissulaire sans nécessiter de segmentation cellulaire préalable.
Cet article révèle que la performance prédictive des classificateurs de peptides antidiabétiques est souvent gonflée par une fuite d'homologie dans les références standards, démontrant que lorsque les séquences homologues sont correctement séparées, la précision chute considérablement et des modèles plus simples peuvent atteindre des résultats comparables avec une efficacité bien plus grande.
Cet article introduit le Critère du Quotient d'Instabilité (IQC), une nouvelle métrique exploitant la modélisation d'ensemble et l'entropie de Shannon pour quantifier et améliorer la reproductibilité de la sélection de caractéristiques dans les analyses biologiques de haute dimension, traitant spécifiquement les problèmes d'instabilité inhérents à la régression Elastic Net.