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.
MassGAT est une approche d'apprentissage collectif basée sur les graphes et en libre accès qui intègre la détection et l'annotation de pics pour les données LC-HRMS en modélisant les espèces ioniques sous forme de graphe et en utilisant un réseau d'attention sur graphes (Graph Attention Network) pour surpasser les pipelines de traitement indépendants existants.
L'article présente Boltz2ESI, un cadre de bout en bout qui exploite un modèle de fondation biomoléculaire pour prédire les interactions enzyme-substrat par co-repliement natif, capturant ainsi la plasticité du site actif et surpassant les méthodes existantes afin d'accélérer la découverte de biocatalyseurs et l'élucidation de voies métaboliques.
L'article présente GraNPA, une méthode qui réalise des études d'association de type GWAS sur des graphes de variation de pangénomes en utilisant seulement un petit nombre d'individus afin d'identifier des régions génomiques liées au phénotype sans biais de référence ni données de population supplémentaires.
DPCGS est un nouveau cadre computationnel qui intègre les statistiques de résumé d'études d'association pangénomique (GWAS) avec des données de séquençage d'ARN en cellule unique pour parvenir à une cartographie de haute résolution du risque génétique vers des sous-populations cellulaires et des programmes de régulation spécifiques, démontrant une précision supérieure par rapport aux méthodes existantes et fournissant de nouvelles perspectives sur les mécanismes cellulaires de maladies complexes telles que la maladie d'Alzheimer et l'asthme.
À travers l'exécution de trois appels à projets (Open Calls) et trois défis publics entre 2023 et 2025, l'initiative AI4Life a soutenu 22 projets d'analyse d'images biologiques et a révélé que, si l'adoption de l'apprentissage profond conforme aux principes FAIR se heurte à des obstacles de mise en œuvre importants, le principal goulot d'étranglement pour l'IA scientifique en biologie ne réside pas dans le développement de méthodes, mais dans la disponibilité des données, des annotations et des infrastructures partagées.
Spectronaut-nf est un pipeline Nextflow évolutif qui permet un traitement parallélisé et efficace de jeux de données de protéomique DIA à grande échelle dans des environnements de calcul haute performance, réduisant considérablement le temps d'analyse tout en maintenant des résultats d'identification cohérents par rapport aux configurations sur poste de travail unique ou sur un seul nœud.
Cet article présente un pipeline de cascade géométrique-vers-neuronal entièrement automatisé en trois étapes qui combine une génération de candidats non supervisée et adaptative au sujet avec deux classifieurs 3D ResNet légers entraînés sur un minimum d'étiquettes issues de l'intervention humaine afin d'atteindre une détection de haute précision des microbleeds cérébraux dans l'IRM pondérée en susceptibilité, tout en réduisant considérablement les faux positifs provenant de mimétiques vasculaires et non vasculaires.
Ce manuscrit a été retiré car la métrique fondamentale de l'« Erreur de Déviation » nécessite une formalisation mathématique et une validation théorique substantielles avant de pouvoir être établie comme une règle de score appropriée pour évaluer les prédictions d'apprentissage automatique.
Spaceland est un cadre de calcul guidé par la morphologie qui reconstruit des atlas moléculaires 3D continus et à haute résolution d'organes entiers en intégrant la transcriptomique spatiale parcellaire à l'histologie H&E sérielle, permettant ainsi une modélisation virtuelle de tissus à grande échelle sans nécessiter d'échantillonnage expérimental exhaustif.
Cette étude compare la régression linéaire multiple (RLM), la RLM corrigée du biais et la méthode de Klemera-Doubal (KDM) pour estimer l'âge biologique à partir des données de variabilité de la fréquence cardiaque chez 343 sujets, constatant que la KDM produit l'erreur d'estimation la plus faible alors que la RLM corrigée du biais offre une précision améliorée par rapport à la RLM non corrigée mais est limitée par sa dépendance à l'âge chronologique.