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.
Voici un résumé de l'article en une phrase : **tensorOmics est un nouveau cadre computationnel basé sur la factorisation de tenseurs qui permet d'intégrer et d'analyser de manière supervisée ou non supervisée des données multi-omiques longitudinales, tout en préservant leur structure temporelle et les corrélations entre les différentes couches biologiques.**
SpaDecoder est une méthode de déconvolution cellulaire par factorisation de matrice qui améliore l'estimation des proportions de types cellulaires dans la transcriptomique spatiale en exploitant efficacement la structure tissulaire en 3D et les profils de référence à l'échelle de la cellule unique.
Voici un résumé de l'article en une phrase : **Les auteurs présentent miRXplain, un modèle de transformeur hybride capable de prédire avec précision les interactions entre les microARN et leurs cibles en tenant compte des isomiR, tout en offrant une interprétabilité biologique grâce à des mécanismes d'attention.**
Cette étude propose un nouveau cadre d'évaluation pour les prédicteurs de protéines de séparation de phase, en corrigeant les biais taxonomiques et de désordre intrinsèque afin de mesurer plus fidèlement leur capacité réelle à identifier les processus de séparation de phase liquide-liquide.
Cette étude démontre que la non-spécificité des anticorps peut être prédite efficacement en combinant des modèles de langage protéiques (PLM) et des descripteurs biophysiques, l'isoectrique étant identifié comme un facteur clé.
Cette étude démontre que la fumée de cigarette favorise le cancer colorectal en provoquant une dysbiose du microbiote intestinal, une altération des métabolites et la suppression de gènes suppresseurs de tumeurs, notamment *CPT2*.
Cette étude propose une nouvelle méthode de priorisation des variantes génétiques pour le diagnostic des maladies rares en utilisant un algorithme de réseau qui analyse les voisinages fonctionnels des gènes connus afin de prédire de nouvelles associations gène-maladie de manière globale.
PlantMDCS est une plateforme modulaire et sans programmation qui permet un déploiement local rapide et sécurisé de bases de données multi-omiques végétales, intégrant la gestion des données et l'analyse comparative au sein d'une interface graphique intuitive.
Cette étude propose que certains points de frustration locale dans les protéines agissent comme des « contraintes architecturales » (spandrels), émergeant de lois physiques plutôt que d'une sélection directe, avant d'être cooptés par l'évolution pour remplir des fonctions spécifiques.
Cette étude présente une stratégie analytique basée sur la LC-HRMS et un flux de travail sous R pour identifier de manière indépendante de la culture une grande diversité de sidérophores au sein du microbiome de trois espèces d'éponges marines.