1235 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.
Le papier présente RapCluster, une plateforme web interactive intégrant 11 algorithmes de clustering populaires, conçue pour remédier au manque de reproductibilité dans les analyses de regroupement en favorisant une documentation transparente des paramètres et en alignant la pratique courante sur les meilleures normes de la recherche computationnelle.
Cette étude démontre que pour la prédiction de la structure des complexes protéiques, l'augmentation de la profondeur des séquences homologues dans les alignements multiples est un facteur déterminant bien plus efficace que le couplage strict des séquences, établissant ainsi un principe de « profondeur plutôt que couplage ».
TSvelo est un cadre mathématique novateur utilisant des équations différentielles ordinaires neuronales interprétables pour modéliser la cascade de régulation génique, de transcription et d'épissage, permettant ainsi une estimation plus précise et robuste de la vitesse ARN et du temps latent unifié au sein de cellules uniques sur des données de séquençage d'ARN à cellule unique complexes.
Cette étude valide le dispositif ActTrust(R) comme un outil simple et rentable pour estimer la dépense énergétique et classer l'intensité de l'activité physique chez les jeunes adultes, en démontrant sa fiabilité par rapport à l'indirect calorimétrie et au dispositif de référence ActiGraph(R) GT3X+.
Cette étude propose un cadre de validation et d'agrégation pour les modules actifs dans les réseaux d'interactions génétiques, démontrant qu'aucun algorithme unique ne suffit et introduisant des méthodes de fusion pour combiner les résultats de plusieurs algorithmes afin d'obtenir une analyse biologique plus complète.
Le papier présente GRASP, un cadre d'inférence de réseaux géniques évolutif et généralisable qui utilise des prompts souples adaptatifs pour conditionner efficacement les grands modèles de langage sur des paires de gènes spécifiques, surpassant ainsi les stratégies de prompt existantes.
Cette étude corrélative identifie les biomarqueurs liés à l'exercice ABCA3 et SCN4B comme des cibles diagnostiques et thérapeutiques prometteuses pour la dissection aortique de type A de Stanford, en élucidant leurs mécanismes moléculaires et immunologiques sous-jacents.
Cette étude identifie cinq composés ZINC prometteurs comme nouveaux inhibiteurs antivirulence de l'enzyme EccA1 du système de sécrétion ESX-1 de *Mycobacterium tuberculosis* grâce à une approche combinée de criblage virtuel, de docking moléculaire et de simulations de dynamique moléculaire.
Le papier présente GPCR-Nexus, une plateforme d'IA orchestrant des agents multiples pour unifier les bases de données structurées et la littérature scientifique non structurée afin d'extraire et de synthétiser des connaissances fiables et traçables sur les récepteurs couplés aux protéines G (GPCR).