1250 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.
Les auteurs présentent TOB-QMC, une méthode quartetique rapide et statistiquement cohérente pour reconstruire l'arbre des blobs sous le modèle de coalescence multispecies en réseau, surpassant les méthodes existantes en termes d'évolutivité et de précision sur des données simulées et réelles.
MANTIS est un nouveau cadre statistique open-source conçu pour analyser les données co-enregistrées de métabolomique et de transcriptomique spatiales, permettant de découvrir des relations gène-métabolite et des motifs spatiaux tout en corrigeant rigoureusement les structures de confusion et les dépendances spatiales.
Cette étude présente DETANGO, un cadre d'apprentissage profond qui démêle les effets des mutations sur la stabilité et la fonction des protéines en éliminant les composantes liées à la stabilité pour identifier les variants stables mais inactifs et localiser les résidus fonctionnellement critiques.
L'article présente SpaMOAL, une méthode d'apprentissage contrastif sur graphes qui intègre les coordonnées spatiales, les images histologiques et les profils moléculaires pour identifier avec précision les domaines tissulaires dans les données multi-omiques spatiales, surpassant ainsi les méthodes existantes.
Cette étude présente un cadre de cartographie des destins basé sur le transport optimal qui reconstitue les trajectoires dynamiques de différenciation et de migration des lymphocytes T CD8 à travers les tissus, révélant des vagues temporelles distinctes de migration intestinale et identifiant AP4 comme un régulateur clé de la spécification entre cellules circulantes et résidentes tissulaires.
Le papier présente keju, un modèle statistique hiérarchique qui améliore considérablement la sensibilité et le contrôle des faux positifs dans l'inférence des données d'assais de rapporteurs massivement parallèles (MPRA) en modélisant spécifiquement les incertitudes liées aux lectures d'ARN et aux lots expérimentaux.
Cette étude de benchmarking évalue diverses approches de criblage de caractéristiques basées sur le principe du « sure screening » pour l'analyse de données omiques, démontrant que la méthode BcorSIS surpasse les autres en termes d'efficacité et de rapidité pour identifier des biomolécules prédictives dans des contextes de classification à haute dimension.
Cette étude développe et valide des biomarqueurs d'« résilience au vieillissement » chez les primates non humains en utilisant des données cliniques longitudinales et des modèles d'apprentissage automatique non linéaires, démontrant que ces métriques prédisent mieux la mortalité que les modèles linéaires axés sur l'âge chronologique.
Cette étude présente un cadre intégré combinant l'analyse transcriptomique via la base de données CMAP, des approches de criblage ligand et structurel, et une validation expérimentale pour identifier et prioriser avec succès de nouvelles molécules activant le récepteur TLR5.
Le cadre information-géométrique GAIA proposé dans cet article résout les limites des approches standard en transcriptomique spatiale et à cellule unique en modélisant les données comme des distributions multinomiales sur une variété statistique, permettant ainsi de concilier harmonieusement les variations discrètes et continues de l'expression génique pour une analyse plus précise et robuste.