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 MIMIQ, une méthode adaptative de calcul rapide de l'information mutuelle et de test de signification optimisée pour les données de séquençage ARN à cellule unique, permettant d'analyser le remodelage génique lors de l'infection par le SARS-CoV-2.
Cet article présente CRIS, une base de données centralisée et rigoureusement curatée dédiée aux structures et interactions de l'ARN basées sur le crosslinking, conçue pour standardiser les données, garantir la reproductibilité et faciliter l'intégration de ces ressources complexes dans les workflows d'intelligence artificielle pour la découverte de nouvelles structures d'ARN.
Les auteurs ont développé KNexPHENIX, un flux de travail personnalisé basé sur PHENIX, qui améliore la stéréochimie des modèles atomiques dérivés de la cryo-microscopie électronique et de la cristallographie aux rayons X tout en préservant la corrélation avec les cartes expérimentales et en limitant le surajustement.
Ce papier présente HEIMDALL, un cadre unifié qui démontre que la conception des tokenizers, et non l'architecture du modèle, est déterminante pour assurer la robustesse et la transférabilité des modèles de fondation en biologie cellulaire face aux décalages de distribution.
Cet article démontre que l'hétérogénéité des observations en omiques à cellule unique fausse la structure topologique des manifolds cellulaires en créant des artefacts, et propose des descripteurs de stabilité topologique pour identifier les régimes où l'inférence reste fiable.
Cet article propose une nouvelle définition universelle du marquage correct des gènes en présence de duplication, de perte et de coalescence profonde, qu'il utilise pour analyser les propriétés statistiques et évaluer la précision de l'algorithme de marquage d'ASTRAL-pro sous le modèle DLCoal.
Cette étude démontre que l'association d'alphabets d'acides aminés réduits et de la tokenisation BPE permet d'accélérer l'entraînement et l'inférence des modèles de langage protéique tout en maintenant, voire en améliorant, leurs performances prédictives.
Cet article présente Cyclome, un cadre computationnel multi-échelle intégrant une base de données unifiée de 930 peptides cycliques, un algorithme d'alignement spécifique à la cyclicité et des modèles d'apprentissage automatique pour prédire la stabilité thermique et le potentiel de liaison aux métaux critiques, afin de faciliter la conception de peptides stables pour la récupération des minéraux.
Pipette est un cadre d'intelligence artificielle multi-agents qui utilise un graphe de compétences dérivé de la littérature scientifique pour orchestrer des flux de travail bioinformatiques complexes et valides via des interactions en langage naturel, rendant ainsi l'analyse génomique accessible aux chercheurs sans expertise computationnelle spécialisée.
Cette étude démontre que les Autoencodeurs Variationnels (VAE) permettent un regroupement efficace de données biologiques et biomédicales en exploitant leur espace latent et la vraisemblance de reconstruction pour identifier à la fois des échantillons typiques et des anomalies.