1063 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.
SVlog est un cadre de programmation logique déclaratif et transparent, construit sur Souffle, qui permet une analyse, une annotation et une hiérarchisation rapides, déterministes et explicables des variants de structure pour la curation de maladies cliniques en convertissant les données génomiques en faits relationnels et en appliquant des règles logiques composables.
Cet article propose un cadre comparatif *in silico* démontrant que, bien que les réseaux de signalisation du stress mitochondrial des plantes et des humains aient divergé en complexité, ils partagent des principes organisationnels fondamentaux, suggérant que les systèmes végétaux plus simples et orientés vers la résilience peuvent servir de modèle conceptuel pour générer des hypothèses testables sur la vulnérabilité aux maladies mitochondriales humaines.
L'article présente arteMIS, un cadre systématique qui optimise les paramètres du réseautage moléculaire par une évaluation multi-critères et l'échantillonnage de Latin Hypercube afin de surmonter les limites des réglages par défaut, produisant ainsi des réseaux plus robustes, chimiquement significatifs et stables à travers divers ensembles de données et méthodes de notation.
Cet article présente un nouveau plugin PyMOL qui intègre diverses méthodologies de topologie de circuits avec une interface conviviale et un environnement reproductible pour analyser la topologie des protéines structurées et désordonnées.
Cet article introduit SPIRAL, un cadre d'autoencodeur parcimonieux qui décode avec succès les états cachés du modèle de langage ARN BiRNA-BERT en caractéristiques interprétables, alignées sur les nucléotides et représentant la structure secondaire ainsi que les types de familles d'ARN, améliorant ainsi la performance de prédiction en aval malgré les défis de la tokenisation par paires de octets.
Cet article présente scDblFinderPy, une implémentation Python de l'outil de détection de doublets scDblFinder basé sur R qui reproduit ses hautes performances tout en ajoutant un support GPU optionnel pour accélérer le traitement des données de séquençage de cellules uniques à grande échelle.
SPARKLE est une méthode computationnelle rapide et sans référence qui corrige la fuite locale d'ARN dans la transcriptomique spatiale à haute résolution en exploitant les preuves hors masque au sein de l'échantillon pour estimer et éliminer les signaux ectopiques, améliorant ainsi la localisation des types cellulaires et la fiabilité des analyses en aval.
Cette étude introduit un nouvel ensemble de réseaux de neurones convolutifs relationnels (RGCN) par fusion tardive qui intègre des données d'ARN endogène concurrent (ceRNA) et de variation du nombre de copies (CNV) afin d'identifier cinq biomarqueurs pronostiques, incluant hsa-miR-196a et hsa-miR-224, pour une meilleure prédiction de la survie et un ciblage thérapeutique dans le glioblastome.
GlycoMeSH est une ressource complète qui comble le fossé entre les structures de glycanes et le contexte biomédical en les reliant aux termes MeSH (Medical Subject Headings) via un modèle d'inférence et une base de données traçable, permettant ainsi une analyse d'enrichissement systématique à travers les ensembles de données de la glycoscience.
PandaDock est une plateforme de docking moléculaire open-source qui intègre la recherche de conformations de ligands flexibles avec des gradients analytiques, des modules spécialisés pour les scénarios de liaison complexes, et une fonction de score par réseau de neurones équivariant SE(3) scalable afin d'atteindre des performances compétitives de récupération de pose et de prédiction d'affinité à travers diverses cibles protéine-ligand.