1076 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 document présente dna-parser, une bibliothèque Python de haute performance écrite en Rust qui encode efficacement les séquences d'ADN et d'ARN en caractéristiques numériques pour l'apprentissage automatique en exploitant le traitement parallèle et en offrant une large compatibilité avec l'écosystème Python.
RAGulate est un cadre de génération augmentée par la récupération qui combine la recherche hybride de littérature avec des modèles de langage de grande taille pour évaluer et expliquer avec précision les interactions entre facteurs de transcription et cibles dans des contextes biologiques spécifiques, réduisant ainsi les hallucinations et accélérant la hiérarchisation expérimentale pour les biologistes.
En développant le modèle hiérarchique bayésien variationnel eTRex et en l'appliquant à 4 819 jeux de données ATAC-seq, cette étude construit un atlas pan-cancer complet et spécifique au contexte des profils de régulateurs transcriptionnels fonctionnels qui révèle des programmes de régulation oncogéniques à la fois communs et spécifiques à certains cancers, validés par des criblages génomiques indépendants et accessibles via un portail web interactif.
HERMES est un modèle de réseau neuronal rapide, basé sur la structure, qui prédit les effets mutationnels sur la stabilité des protéines et l'affinité de liaison en exploitant les environnements atomiques 3D locaux et une stratégie de réglage fin amorti pour surmonter les biais basés sur la taille, permettant ainsi une conception de vaccins précise et efficace sur le plan computationnel.
Cette étude intègre l'analyse du génome entier à la modélisation de la structure tridimensionnelle des protéines pour démontrer comment les variations génétiques dans les facteurs de virulence, particulièrement le complexe intimine-récepteur, peuvent être caractérisées fonctionnellement afin d'améliorer l'évaluation des risques et les diagnostics pour divers *Escherichia coli* producteurs de toxine Shiga non-O157.
L'article présente VAIruScope, un pipeline basé sur l'apprentissage profond qui permet l'identification et la quantification automatisées et sans marquage de cellules infectées par des virus à travers divers modèles cellulaires et des virus à ARN, à ADN et des rétrovirus cliniquement pertinents en reconnaissant les effets cytopathiques dans les images de microscopie optique avec une précision allant jusqu'à 96 %.