771 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.
Cet article présente UDAL, une stratégie d'apprentissage actif combinant incertitude et diversité pour optimiser la sélection des paires TCR-pMHC à valider en laboratoire, réduisant ainsi considérablement les coûts et le temps de développement des thérapies cellulaires tout en maintenant des performances prédictives élevées.
Le papier présente FairTCR, un cadre d'optimisation robuste qui améliore l'équité des prédictions de liaison TCR-pMHC en réduisant significativement les disparités de performance entre les allèles HLA rares et les cohortes sous-représentées, tout en maintenant une précision globale compétitive.
Cette étude démontre que l'utilisation de techniques d'apprentissage automatique pour imputer les données manquantes sur l'abondance des moustiques améliore significativement la précision des modèles prédictifs de l'incidence du paludisme à *Plasmodium vivax* dans l'État de Bolivar, au Venezuela, bien que cette approche se soit révélée inefficace pour *Plasmodium falciparum*.
L'article présente ORION, un cadre d'intelligence artificielle multi-agents capable d'analyser automatiquement et en quelques heures des données complexes de profilage immunitaire (PhIP-seq), reproduisant des résultats manuels longs et générant de nouvelles hypothèses biologiques, comme démontré sur des syndromes auto-immuns et le syndrome de Down.
Cette étude présente un cadre génératif basé sur des modèles de langage protéique pour concevoir des protéines intrinsèquement désordonnées à partir de descripteurs d'ensemble conformationnel, démontrant que la précision de cette conception dépend crucialement de l'échelle des données d'entraînement.
Le papier présente vcfilt, un outil de filtrage VCF en flux écrit en Go qui, grâce à une analyse binaire sans allocation de mémoire et une spécialisation sur des critères fréquents, offre une accélération significative par rapport aux outils existants comme bcftools tout en garantissant une sortie identique.
Ce papier présente ABB4-STEROIDS, un modèle de prédiction de structure génératif entraîné sur des millions de frames de simulations de dynamique moléculaire, qui permet d'échantillonner avec une précision inédite les ensembles conformationnels d'anticorps pour mieux comprendre leur flexibilité fonctionnelle.
Cette étude démontre que la thermoadaptation des protéines EndoG chez les espèces de grenouilles Xenopus, vivant dans des environnements thermiques distincts, est régie par des différences structurelles et compositionnelles clés, notamment une plus grande hydrophilie et une flexibilité accrue chez l'espèce psychrophile X. laevis par rapport à l'espèce thermophile X. tropicalis.
Le papier présente ProteomeScan, une boîte à outils informatique open source exploitant le calcul haute performance pour effectuer un criblage de docking moléculaire à l'échelle du protéome humain, permettant ainsi d'identifier et de valider des cibles protéiques pour des molécules thérapeutiques avec une précision supérieure aux méthodes existantes.
Le papier présente MICRON, un outil d'apprentissage automatique sans segmentation conçu pour identifier automatiquement les microenvironnements immunitaires spatiaux associés aux résultats cliniques à partir de données de protéomique par imagerie, comme démontré par son application réussie dans le cancer du cerveau.