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.
Cette étude présente un cadre de recherche par grille pour calibrer automatiquement les algorithmes de détection du sommeil par actigraphie, démontrant qu'il constitue une alternative reproductible et plus performante au réglage manuel tout en améliorant l'estimation des horaires de sommeil et la gestion des éveils intra-sommeil via des méthodes d'ensemble.
ViralMap est un modèle d'annotation multi-étiquettes basé sur ESM-2 qui prédit directement à partir des séquences primaires dix classes de caractéristiques protéiques virales, offrant ainsi un cadre unifié et évolutif pour guider la conception de vaccins contre les pathogènes émergents.
Le papier présente gbdraw, une application web et utilitaire en ligne de commande écrite en Python qui génère des diagrammes de génomes microbiens et d'organites de manière sécurisée et locale, sans nécessiter de téléchargement de données vers un serveur distant.
Le papier présente ARACRA, une pipeline d'analyse RNA-seq entièrement automatisée et interactive basée sur Nextflow et Streamlit, conçue pour faciliter l'extraction de points de départ transcriptomiques (tPoD) dans le cadre de l'évaluation des risques chimiques grâce à un processus de contrôle qualité intermédiaire et d'examen par l'utilisateur.
LOCOM2 est une nouvelle méthode robuste pour l'analyse de l'abondance différentielle des données microbiomiques qui, en contrôlant efficacement les taux d'erreur et en offrant une grande sensibilité même dans des conditions complexes, surpasse les méthodes existantes tout en améliorant l'efficacité computationnelle.
Le cadre CLONEID présenté dans cet article permet de relier de manière longitudinale des données phénotypiques fréquentes et des analyses moléculaires éparses pour maintenir une interprétation précise du lien génotype-phénotype au fil du temps, comme démontré dans une expérience de sélection de densité sur le cancer gastrique.
Cette étude démontre que l'analyse par IRM multi-organes de 70 000 sujets permet de détecter des schémas de vieillissement accéléré, tant locaux que globaux, associés à des maladies chroniques et à des facteurs de mode de vie, offrant ainsi une base pour une stratification des risques améliorée et des approches de santé personnalisées.
Ce travail présente un modèle mathématique minimal capable de décrire la dynamique de la sclérose en plaques, notamment ses phases de rémission et de rechute liées à l'inflammation et à la démyélinisation, en s'appuyant sur des données expérimentales pour reproduire les comportements oscillatoires typiques de la maladie.
Cet article propose des meilleures pratiques pour optimiser les paramètres de l'algorithme de clustering BitBIRCH, notamment en ajustant les seuils de similarité et le facteur de branchement, afin de traiter efficacement de vastes bibliothèques moléculaires tout en minimisant les singletons et les clusters disproportionnés.
Cette étude établit un critère géométrique quantitatif qui relie les écarts topographiques du capside du VIH-1 par rapport aux modèles fullerènes idéalisés à ses propriétés biophysiques et fonctionnelles, ouvrant ainsi de nouvelles perspectives pour la conception d'inhibiteurs d'assemblage et l'ingénierie de vecteurs lentiviraux.