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.
Les auteurs ont développé une approche hybride d'apprentissage automatique combinant des réseaux de neurones à graphes et des descripteurs chimiques pour identifier et valider expérimentalement deux nouveaux composés, la berbérubine et le PE859, capables d'inhiber l'agrégation de la protéine TDP-43 et de réduire les déficits moteurs dans un modèle de vers *C. elegans*.
Le papier présente CodonRL, un cadre d'apprentissage par renforcement guidé par démonstration qui optimise efficacement les séquences de codons pour améliorer l'efficacité de traduction et la stabilité structurelle de l'ARNm, surpassant les méthodes de l'état de l'art sur plusieurs métriques clés.
Les auteurs ont développé le serveur web TOXsiRNA, qui utilise des algorithmes d'apprentissage automatique pour prédire la toxicité et les effets hors cible des ARN interférents à petite taille chimiquement modifiés, offrant ainsi une alternative rapide et gratuite aux tests expérimentaux coûteux.
Cette étude présente un modèle informatique basé sur cinq caractéristiques, notamment la conservation évolutive et la distance atomique, qui prédit avec une bonne précision le phénotype de résistance à la bédaquiline associé aux variants de Rv0678 chez *Mycobacterium tuberculosis*, offrant ainsi un outil potentiel pour améliorer la prise en charge clinique de la tuberculose résistante à la rifampicine.
Les auteurs ont développé miRarchitect, une plateforme web basée sur l'apprentissage automatique qui permet la conception rationnelle et personnalisée d'ARN micro artificiels (amiRNAs) hautement efficaces et spécifiques pour le silençage génique ciblé, comme l'ont confirmé des validations expérimentales.
L'article présente Theseus, un algorithme novateur qui réalise des alignements optimaux de séquences à graphe avec des gaps affines en offrant une vitesse et une efficacité mémoire supérieures aux méthodes existantes, tout en garantissant l'optimalité du résultat.
L'article présente evoCancerGPT, un modèle de fondation basé sur les transformateurs qui, grâce à l'apprentissage par transfert sur des données de séquençage ARN unicellulaire, prédit avec précision l'évolution future de l'expression génique au niveau de chaque cellule et de chaque patient pour améliorer les soins personnalisés contre le cancer.
Le papier présente ChatDIA, un flux de travail basé sur un modèle de langage large en configuration « zero-shot » qui permet l'analyse ciblée de données de spectrométrie de masse DIA avec une précision compétitive et des justifications interprétables par l'humain, notamment dans des contextes bruyants comme la protéomique à cellule unique.
Le papier présente LineageSim, un nouveau simulateur de lignées cellulaires qui intègre une expression génétique consciente du destin cellulaire pour surmonter les limites des outils existants et fournir des données de référence réalistes permettant d'évaluer les méthodes prédisant les fates cellulaires à long terme.
GeneReL est une plateforme intégrée combinant l'extraction de données par des modèles de langage de grande taille (LLM) et une curation communautaire pour identifier et valider les réseaux de régulation génique chez *Arabidopsis thaliana*.