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.
Cet article présente UnivAIRRse, un cadre unifié hiérarchique qui organise et compare les simulateurs de répertoires de récepteurs immunitaires adaptatifs à travers cinq niveaux opérationnels, offrant ainsi une base conceptuelle pour améliorer le benchmarking, l'interprétation biologique et le développement de futurs jumeaux numériques immunitaires.
En analysant des milliers de jeux de données de spectrométrie de masse, cette étude révèle que les taux et les motifs d'incorporation erronée d'acides aminés à travers l'arbre du vivant sont principalement déterminés par l'utilisation des acides aminés et des codons, avec une prédominance des erreurs de jumelage codon-anticodon.
Cet article propose un cadre novateur intégrant des distributions statistiques structurées dans les représentations graphiques des données omiques, permettant d'atteindre des performances prédictives compétitives tout en améliorant l'interprétabilité biologique pour la découverte de connaissances sur les maladies complexes.
Cette étude démontre que des stratégies de réponse thermique distinctes, telles que la synthèse de membranes stables et l'activation de chaperonnes moléculaires chez les souches résistantes versus l'arrêt de la croissance chez les souches vulnérables, déterminent la survie environnementale des symbiontes *Caballeronia* et influencent ainsi leur disponibilité pour les insectes hôtes dans un climat en réchauffement.
Cette étude identifie l'indinavir, un inhibiteur de protéase HIV/HCV, comme un candidat prometteur pour le traitement du virus Chikungunya en démontrant par des simulations de dynamique moléculaire sa capacité à se lier à la protéine nsP2 et à bloquer la réplication virale, validant ainsi la stratégie de repositionnement de médicaments.
Cette étude computationnelle démontre que la transférabilité du motif de translocation membranaire LRLLR dépend de la compatibilité de la séquence receveuse, transformant le peptide pro-apoptotique smacN en un chimère hautement perméable tout en entravant la translocation du peptide neuroprotecteur NR2B9c en raison de rigidité conformationnelle et de déséquilibres de charge.
Le papier présente Hi-Cformer, une méthode basée sur les transformateurs qui modélise les cartes de contact chromatinien multi-échelles pour surmonter la sparsité des données Hi-C single-cell, permettant ainsi une meilleure séparation des types cellulaires, une imputation précise des signaux d'interaction et une annotation robuste des cellules.
Cette étude explore le rôle sous-estimé des motifs linéaires courts dans l'infection par *Toxoplasma gondii* en combinant une analyse bibliographique, une prédiction computationnelle de milliers de motifs dans les protéines sécrétées et une validation expérimentale de motifs liés à la réponse immunitaire innée, fournissant ainsi une ressource clé pour comprendre les mécanismes moléculaires de l'invasion cellulaire et de l'hôte large de ce parasite.
Le papier présente BioGraphX, un cadre novateur qui prédit la localisation subcellulaire des protéines de manière interprétable et éco-responsable en construisant des graphes d'interaction à partir de séquences via des règles biochimiques, éliminant ainsi le besoin de structures 3D tout en surpassant les méthodes actuelles grâce à une logique biophysique précise.
Cette étude présente SLOPE, une méthode non supervisée qui modélise la progression continue de l'amyloïde dans la maladie d'Alzheimer sur une échelle temporelle, offrant une sensibilité accrue aux changements précoces par rapport aux mesures globales traditionnelles.