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.
Le papier présente GRASP, un cadre unifié d'apprentissage profond basé sur les graphes qui représente les ARN sous forme de graphes hétérogènes multi-échelles pour prédire avec une grande précision et une interprétabilité biologique leurs localisations subcellulaires, surpassant ainsi les méthodes existantes en termes de performance et d'évolutivité.
RevelioPlots est une application web interactive et open-source qui simplifie l'évaluation de la qualité des modèles de protéines prédits par l'IA en intégrant l'analyse des scores pLDDT avec des diagrammes de Ramachandran colorés pour visualiser directement la fiabilité locale et la géométrie stéréochimique.
Cet article propose une nouvelle mesure d'entropie spatiale, appelée entropie de co-occurrence régionale (RCE), qui permet d'analyser de manière rigoureuse les interactions contextuelles entre des points catégoriels et leur environnement, avec des applications démontrées en biologie spatiale, en géographie urbaine et en écologie.
Cet article présente EnzPlacer, un algorithme d'apprentissage contrastif qui prédit les trois premiers numéros EC d'une enzyme à partir de sa séquence, permettant ainsi de situer avec précision des fonctions enzymatiques inconnues dans l'espace des fonctions connues pour guider les hypothèses expérimentales.
Le papier présente BioGraphX-RNA, un cadre d'encodage graphique physico-chimique universel et interprétable qui, en intégrant des principes biophysiques explicites et des embeddings RiNALMo, atteint des performances de pointe pour prédire la localisation subcellulaire de l'ARN tout en fournissant des insights mécanistiques sur les déterminants structuraux et séquentiels.
Cette étude présente un cadre génomique résolu intégrant des génomes assemblés à partir de métagénomes (MAGs) spécifiques à une population estonienne pour découvrir de nouvelles espèces intestinales et quantifier la diversité intra-spécifique via une métrique innovante (GUN), révélant ainsi des associations maladies-microbiome qui resteraient invisibles aux niveaux taxonomiques supérieurs.
Cet article propose un cadre bayésien pour l'estimation des orientations en cryo-EM, démontrant que l'estimateur MMSE surpasse les méthodes traditionnelles en précision et en robustesse, ce qui améliore considérablement la reconstruction 3D et l'analyse de l'hétérogénéité structurale, même dans des conditions de faible rapport signal-sur-bruit.
Cet article présente O_SCPLOWARCANEC_SCPLOW, un nouvel algorithme et outil en ligne de commande optimisé pour la correction d'erreurs de barcodes et d'UMI ainsi que pour le mappage des lectures dans les données de transcriptomique à cellule unique, offrant une quantification d'expression génique plus rapide et aussi précise que les méthodes existantes.
Le papier présente ProtBFF, un cadre général et agnostique de l'encodeur qui améliore la prédiction de la stabilité des protéines en intégrant des priors biophysiques interprétables dans des représentations d'apprentissage profond via une attention croisée, surpassant ainsi les modèles spécialisés existants.
L'article présente UNISON, un cadre d'inférence variationnelle optimisé pour les données éparses qui permet d'analyser efficacement des matrices d'expression génique de plusieurs millions de cellules en n'utilisant que les éléments non nuls, tout en préservant la rigueur statistique et l'interprétabilité biologique.