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.
L'article présente iDriver, un nouveau modèle graphique probabiliste qui intègre la récurrence des mutations et leur impact fonctionnel au niveau individuel pour identifier avec une précision supérieure les gènes conducteurs du cancer, surpassant ainsi les méthodes existantes sur des données couvrant 29 types de tumeurs.
Le cadre PanMixer présenté dans cet article propose une méthode de publication de graphes de pangenome préservant la vie privée en équilibrant l'obfuscation des haplotypes individuels et la conservation de l'utilité du graphe pour les analyses génomiques.
Cet article présente un algorithme de Monte Carlo permettant de construire et de compresser en temps réel les ensembles de couleurs distincts des k-mers dans les graphes de Bruijn colorés, réduisant ainsi considérablement l'utilisation mémoire lors de l'indexation de vastes ensembles de génomes microbiens.
Cette étude démontre, dans un cadre synthétique, qu'un auto-encodeur convolutif couplé à un réseau de régression peut prédire avec précision les coordonnées atomiques 3D à partir d'images cryo-EM bruitées sans nécessiter de récupération de pose ni de calculs de projection, validant ainsi une approche d'apprentissage supervisé pour estimer rapidement la variabilité conformationnelle des biomolécules.
Cette étude démontre que les scores de risque polygénique (PRS) peuvent être exploités pour reconstruire des génomes et réidentifier des individus, tout en proposant un cadre analytique et des solutions pour atténuer ces risques de confidentialité sans compromettre l'utilité clinique des modèles.
Cette étude présente la tokenisation guidée (GT), une stratégie qui intègre des connaissances biologiques et statistiques pour améliorer la performance et l'efficacité des modèles de langage génomique dans diverses tâches de classification et d'analyse.
Cette étude propose une nouvelle méthode intégrant les transcriptogrammes et l'analyse en composantes principales pour filtrer le bruit technique des données de séquençage ARN single-cell, révélant ainsi une reprogrammation systémique complexe de la transition épithélio-mésenchymateuse (EMT) incluant des modules fonctionnels critiques tels qu'un basculement métabolique, un blocage du cycle cellulaire et un programme de chimiorésistance.
Cet article présente les tracepoints adaptatifs, une méthode de compression d'alignements de pangenome qui segmente les séquences en fonction de métriques de complexité locales plutôt que d'intervalles fixes, permettant d'obtenir des taux de compression nettement supérieurs (jusqu'à 139 fois) sans dégrader les scores d'alignement.
Cette étude démontre que l'utilisation de modèles de langage à poids ouverts, combinée à un filtrage sémantique, permet d'automatiser avec une grande précision la curation des métadonnées non structurées des bases de données de sciences du vivant, facilitant ainsi la réutilisation des données publiques.
Le papier présente Wayfarer, un cadre d'analyse spatiale multiscale intégré dans un package R, qui permet de suivre l'évolution des associations spatiales à travers différentes résolutions pour révéler des signatures de progression tumorale invisibles aux échelles uniques, comme démontré sur des données de transcriptomique spatiale de cancer du poumon.