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 Mievformer, un cadre d'apprentissage auto-supervisé masqué basé sur les Transformers qui apprend des représentations probabilistes des microenvironnements tissulaires en couplant l'hétérogénéité cellulaire et spatiale, surpassant ainsi les méthodes existantes pour l'analyse des données de transcriptomique spatiale.
Turep est une méthode d'apprentissage profond qui identifie de manière robuste les lymphocytes T réactifs aux tumeurs à travers divers cancers en utilisant des données de transcriptomique, permettant ainsi de prédire la réponse à l'immunothérapie et d'analyser l'architecture spatiale de ces cellules.
Cette étude propose un cadre de « dialectes génomiques » démontrant que les biais d'utilisation des codons, qui reflètent des « accents informationnels » spécifiques aux espèces, sont principalement façonnés par les propriétés physico-chimiques des acides aminés et la classification du deuxième nucléotide du codon, plutôt que par la phylogénie stricte.
Les auteurs présentent memerna, un cadre de calcul déterministe et itératif permettant un échantillonnage exhaustif et évolutif des structures d'ARN, ce qui améliore considérablement la vitesse et la précision de la modélisation du repliement cotranscriptionnel par rapport aux méthodes stochastiques existantes.
Cette étude présente une évaluation systématique d'AlphaFold2 et OpenFold3 sur des complexes protéine-peptide, révélant la supériorité constante d'AlphaFold2, la nécessité d'adapter les métriques de confiance et les seuils d'évaluation aux spécificités des peptides, et l'impact de la composition séquentielle sur la précision des prédictions.
Cette recherche explore l'application des réseaux de neurones graphiques (GNN) interprétables, enrichis par des mécanismes d'attention, des modèles de langage protéique et des architectures hybrides, pour prédire avec précision et transparence les interactions protéine-ligand et surmonter les défis d'explicabilité dans la découverte de médicaments.
Cette étude présente deux nouveaux outils d'optimisation des codons, OptimWiz 2.1 et 3.0, qui surpassent les solutions commerciales existantes et révèlent de nouveaux principes d'optimisation grâce à l'apprentissage automatique.
Le papier présente SpaceBender, une méthode open-source de débruitage des données de transcriptomique spatiale qui exploite les informations spatiales pour améliorer la qualité des signaux biologiques, surpassant les méthodes actuelles et permettant de révéler des insights cachés, y compris à l'échelle subcellulaire.
Cette étude propose un cadre d'analyse basé sur des réseaux de similarité dérivés de tenseurs pour caractériser l'organisation spatiale et l'hétérogénéité moléculaire dans le cancer colorectal, démontrant que la structure tissulaire réelle impose des contraintes spécifiques aux réseaux de gènes par rapport à des configurations aléatoires.
EpiRanha est un cadre multimodal innovant qui combine des embeddings de séquence ESM-2 et un réseau de neurones à graphes équivariant pour identifier et classer des épitopes similaires avec une précision supérieure aux méthodes d'alignement rigide, permettant ainsi une évaluation plus robuste des risques de réactivité croisée et une conception d'anticorps plus ciblée.