878 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.
BacteReason est un grand modèle de langage affiné qui prédit la sensibilité des bactéries aux antibiotiques et fournit des justifications mécanistes en exploitant un modèle enseignant fondé sur les connaissances, ce qui se traduit par une amélioration significative de la précision de la prédiction par rapport aux approches de base.
L'article présente GLOF, un ensemble de données de référence à grande échelle, expertisé, comprenant plus de 112 000 variants faux-sens à travers près de 3 000 gènes humains, qui classifie les variants comme gain de fonction, perte de fonction ou neutres afin de faciliter le développement et l'évaluation de méthodes computationnelles pour prédire les mécanismes des variants.
VelocityFM est un nouveau prédicteur de trajectoires protéiques à horizon court qui utilise le flux rectifié (rectified flow matching) dans l'espace des vitesses pour générer des conformations dynamiques géométriquement valides, sans encombrement et préservant le repliement pour des protéines inédites, atteignant une grande précision structurelle avec un TM-score médian de 0,929.
L'article présente GLEAM, un ensemble d'outils logiciels en ligne, sans code, construit sur l'environnement Galaxy, qui permet aux chercheurs en biomédecine de réaliser des analyses d'apprentissage automatique supervisé rigoureuses, reproductibles et accessibles sur divers types de données tout en respectant les meilleures pratiques.
Cet article présente une méthode de construction de pangénome scalable et accélérée par GPU qui exploite les plongements de modèles de langage protéiques et un partitionnement avancé pour surpasser les outils existants tels que SCARAP dans la génération de clusters protéiques fonctionnellement cohérents et spécifiques, particulièrement sur des ensembles de données validés expérimentalement.
Ontologizer 3 est une application de bureau multiplateforme disponible gratuitement qui facilite l'analyse d'enrichissement de l'Ontologie des Gènes en proposant des méthodes fréquentistes et bayésiennes, ces dernières démontrant une précision supérieure dans l'identification des termes causaux en tenant compte des chevauchements hiérarchiques des ensembles de gènes.
Les auteurs ont développé un outil de segmentation automatisé, open-source et basé sur l'architecture UNet, nommé « OCTOPUS », qui atteint une grande précision dans la détection de la dysplasie rétinienne sur les scanners OCT de souris, rationalisant ainsi le criblage préclinique et standardisant les évaluations entre les laboratoires.
Cet article propose une méthode d'ensemble sans entraînement qui combine ProteinMPNN avec le modèle de langage spécifique aux anticorps IgLM pour améliorer significativement la récupération des acides aminés et la diversité des séquences dans le repliement inverse des anticorps, comblant ainsi efficacement l'écart entre les modèles structurels généraux et la conception spécialisée des anticorps.
Cette étude intègre le séquençage de l'ARN et de l'ATAC en cellule unique à travers les grades du carcinome rénal à cellules claires (ccRCC) pour révéler que les changements épigénétiques précèdent les dérives métaboliques et invasives, tout en définissant une signature pronostique robuste de la CBG et en cartographiant l'évolution dynamique de l'épuisement immunitaire et des réseaux de communication intercellulaire.
L'article présente Handshake, un modèle d'apprentissage profond uniquement basé sur les séquences qui exploite ProstT5 et l'attention inter-chaînes pour prédire avec précision, à grande échelle, les sites de liaison protéine-protéine spécifiques aux partenaires, tout en révélant qu'une redondance élevée des séquences dans les données d'entraînement gonfle considérablement les mesures de performance dans les références existantes.