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.
SCiMS est un nouvel outil bioinformatique capable de prédire avec précision le sexe de l'hôte à partir de faibles quantités d'ADN dans des séquences métagénomiques, comblant ainsi les lacunes des métadonnées et améliorant la qualité des études sur le microbiome.
Cette étude de méta-analyse révèle que le virome intestinal des nourrissons suit une trajectoire de développement prévisible et conservée au cours des trois premières années, caractérisée par une augmentation rapide de la richesse virale, une convergence communautaire et des changements fonctionnels vers un état stable.
Le papier présente DEFT, une nouvelle méthode d'apprentissage profond qui combine les approches basées sur la séquence et la structure pour améliorer la précision et l'efficacité de la prédiction des numéros EC, permettant ainsi une annotation à haut débit des enzymes bactériennes dégradant les mucines intestinales.
Cet article propose un cadre d'évaluation équilibré par entité et une stratégie d'entraînement nommée UnbiasNet pour éliminer les biais de shortcuts dans la prédiction des associations biologiques multi-entrées, permettant ainsi une évaluation plus juste et une détection plus robuste des interactions réelles.
Cette étude démontre que, bien que les modèles zéro-shot actuels prédisent correctement les effets des mutations simples, ils échouent à anticiper l'impact des combinaisons de mutations fortement épistatiques, révélant ainsi une limitation majeure des méthodes existantes pour la conception de protéines et les études évolutives.
Cette étude révèle que des ARN longs non codants spécifiques à l'humain, fortement exprimés lors de la différenciation des cellules souches en tissu cartilagineux, régulent la matrice extracellulaire et pourraient ainsi éclairer les mécanismes moléculaires de la bipédie humaine tout en ouvrant la voie à de nouvelles thérapies régénératives.
Cette étude démontre qu'un algorithme de sous-échantillonnage basé sur les préfixes permet de réduire la taille des génomes bactériens tout en maintenant une haute précision prédictive pour les phénotypes, surpassant les architectures d'apprentissage profond complexes et offrant une voie prometteuse vers des modèles de langage génomique légers et interprétables.
Le papier présente PIGLET, une nouvelle méthode basée sur un transformateur de graphes qui prédit les interactions médicament-cible en exploitant un graphe de connaissances protéomique, surpassant les modèles existants lors d'évaluations rigoureuses et démontrant son utilité dans un cas d'étude réel de découverte de médicaments.
Le framework open-source multi-agents KG-Orchestra enrichit les graphes de connaissances biomédicaux en générant des réseaux de cause à effet denses et validés par des preuves grâce à une orchestration autonome de récupération, d'alignement et de vérification, comblant ainsi les lacunes entre la curation manuelle et les approches automatisées.
Cette étude caractérise par modélisation computationnelle le système de sécrétion de type IV de *Brucella melitensis* et identifie, par criblage virtuel et validation dynamique, trois molécules approuvées (Ezétimibe, Chlordiazépoxide et Alloïne) comme candidats prometteurs pour un repositionnement thérapeutique visant à désarmer le pathogène.