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.
L'article présente Mantpy, un cadre de protéomique spatiale qui représente la matrice extracellulaire et son interface avec les cellules sous forme de graphes spatiaux afin de permettre une analyse, une visualisation et un apprentissage automatique conjoints au-delà des approches traditionnelles centrées sur les cellules.
PerturbLDM est un cadre de diffusion latente conditionnelle préentraîné sur l'ensemble de données Tahoe-100M qui surpasse les méthodes existantes en prédisant et en générant avec précision les réponses transcriptionnelles de cellules uniques à des combinaisons inédites de médicaments, de doses et de lignées cellulaires à travers divers contextes biologiques.
Cet article démontre que l'application de la prédiction conforme à l'horloge épigénétique BayesAge permet de générer des intervalles de prédiction calibrés et sans hypothèse de distribution pour l'estimation de l'âge basée sur la méthylation de l'ADN à l'aide d'un ensemble minimal de sites CpG, remédiant ainsi à l'absence de quantification de l'incertitude dans les modèles existants de type estimation ponctuelle.
Cet article démontre que la détection de sites de liaison cryptiques est actuellement limitée non pas par la capacité à proposer des candidats, mais par un mauvais classement et un manque de consensus, révélant que la séparation des métriques de couverture et de conversion met en évidence d'importantes lacunes de performance et montre que la combinaison de détecteurs géométriques et basés sur des modèles de langage, au sein d'un budget de candidats strict, produit les améliorations les plus pratiques.
Les auteurs présentent ProtInt, un cadre d'apprentissage profond qui intègre avec succès les données protéomiques issues de lignées cellulaires cancéreuses et de tumeurs de patients en surmontant les défis liés aux valeurs manquantes, surpassant ainsi les méthodes existantes et révélant les changements biologiques clés nécessaires pour mieux aligner les modèles précliniques sur la réalité clinique.
Cette étude de benchmarking systématique révèle que le choix de la méthode de calcul, plutôt que la biologie sous-jacente, est le principal déterminant des résultats de perturbation in silico, car la plupart des approches les plus largement utilisées ne parviennent pas à détecter les signaux causaux de transcription factor-vers-voie et produisent souvent des conclusions qui contredisent la validation expérimentale par CRISPRi.
Cet article démontre que le pré-entraînement croisé d'un modèle de fondation de cellule unique avec des données protéomiques produit des représentations au niveau des gènes et des cellules supérieures ainsi qu'une meilleure généralisation que le simple passage à l'échelle de modèles basés uniquement sur l'ARN, soulignant la valeur de l'entraînement multimodal par rapport à la seule augmentation du nombre de paramètres.
Cet article présente « sigRecon », un cadre de référence complet et un package R en libre accès qui évalue systématiquement les méthodes de prédiction des signatures de perturbation à travers divers contextes biologiques, révélant que les approches par projection et basées sur les réseaux égalent ou surpassent souvent les modèles complexes d'apprentissage profond tout en mettant en évidence les facteurs clés influençant la généralisation entre les contextes.
Cell-Hub est une interface graphique gratuite, open-source et basée sur Docker, construite sur R/Shiny, qui démocratise l'analyse de bout en bout du séquençage de l'ARN de cellule unique en intégrant des outils avancés tels que Seurat 5, CellChat 2 et Monocle 3 dans une plateforme unifiée et sans code pour les chercheurs de tous horizons computationnels.
Cette étude démontre que l'utilisation de références de consensus IUPAC avec l'aligneur sensible à l'ambiguïté novoAlign améliore significativement la détection de variants par lectures courtes dans les régions génomiques cliniquement difficiles par rapport aux références linéaires standards, tout en introduisant le cadre open-source BurdenBench pour mieux évaluer les compromis précision-rappel spécifiques aux appelants et le bénéfice clinique net.