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.
Ce papier présente OmniCleave, un cadre d'apprentissage géométrique sur graphes qui modélise avec précision la spécificité protéase-substrat à grande échelle en intégrant des contraintes spatiales et des relations d'ordre supérieur, surpassant ainsi les méthodes existantes et validant expérimentalement de nouvelles cibles biologiques.
Les auteurs présentent un modèle computationnel généralisable qui quantifie l'instabilité somatique des répétitions en tandem à l'échelle du génome à partir de données de séquençage long-read, en démontrant que cette instabilité varie considérablement selon la composition des répétitions plutôt que leur longueur et en permettant la détection de mosaïcisme dans les allèles pathologiques.
Le papier présente BrightEyes-FFS, une plateforme open-source basée sur Python qui offre une interface graphique conviviale et des outils d'analyse automatisés pour traiter les données multidimensionnelles de la spectroscopie de fluctuations de fluorescence acquises avec des détecteurs matriciels.
Cet article présente un flux de travail d'analyse statistique open-source en R, illustré par une étude de cas sur l'ostéoarthrite, conçu pour détecter les analytes différentiellement abondants dans les expériences d'imagerie par spectrométrie de masse à designs complexes en optimisant le traitement du signal, l'agrégation des caractéristiques et la sélection des régions d'intérêt.
TopicVI est un modèle d'apprentissage profond interprétable qui intègre des connaissances biologiques préalables et des données d'expression génique pour découvrir des programmes génétiques spécifiques au contexte, surpassant les méthodes existantes dans l'analyse de transcriptomique spatiale et monocellulaire, notamment pour identifier des états tumoraux convergents dans le glioblastome.
Cet article présente deux extensions de l'analyse en composantes principales contrastives (k-ρPCA et f-ρPCA) qui unifient les méthodes spatiales et fonctionnelles sous un cadre mathématique commun pour mieux analyser des données génomiques complexes.
Le papier présente DIANA, un réseau de neurones multi-tâches entraîné sur de vastes données de métagénomique ancienne qui prédit avec précision les métadonnées d'échantillons et généralise sémantiquement à des catégories non vues, offrant ainsi un outil rapide et robuste pour la validation et le contrôle qualité dans ce domaine.
Cette étude révèle que les pressions de sélection positive et négative s'organisent de manière spatialement distincte à l'échelle des résidus aux interfaces des interactions protéine-protéine humain-virus, les sites de sélection positive étant regroupés et particulièrement marqués aux interfaces partagées avec les partenaires endogènes, ce qui suggère que ces interfaces « mimétiques » constituent des points focaux de l'évolution adaptative.
CoPhaser est un algorithme novateur basé sur un autoencodeur variationnel qui modélise des variétés périodiques dépendantes du contexte pour décomposer les données de scRNA-seq en sources de variation cycliques et non cycliques, permettant ainsi d'extraire des phases de cycles biologiques précis et interprétables (comme le cycle cellulaire, les rythmes circadiens ou l'horloge de segmentation) tout en préservant l'identité cellulaire dans divers contextes physiologiques et pathologiques.
Cette étude révèle que l'assemblage des complexes protéiques par AlphaFold repose principalement sur la géométrie structurelle des monomères et la complémentarité des interfaces plutôt que sur la coévolution inter-protéique, identifiant ainsi la plasticité conformationnelle des interfaces immunitaires comme le principal frein à la précision de la prédiction.