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 TPCAV, une méthode d'attribution de concepts améliorée par une transformation de décorrélation en PCA, qui permet d'interpréter de manière robuste et agnostique aux types d'entrée les modèles d'apprentissage profond en génomique, y compris ceux utilisant des représentations tokenisées ou des signaux de chromatine.
Cet article présente la transformée LCPC, un algorithme novateur qui convertit les contours cellulaires en ondes sinusoïdales discrètes pour quantifier des caractéristiques spatiales contextuelles complexes, telles que la chiralité, afin de mieux corréler les phénotypes morphologiques à la résistance aux traitements anticancéreux.
Cet article présente MultiStateFold (MSFold), un cadre innovant intégrant le recuit parallèle dans l'espace de tokens structuraux du modèle de langage ESM3 pour surmonter les limites d'échantillonnage local et prédire avec précision plusieurs conformations protéiques, surpassant ainsi des méthodes de pointe comme AlphaFold 3.
Cet article propose un cadre d'intégration adaptative de modèles de fondation hétérogènes pour prédire les gènes à partir d'images d'histopathologie mammaire en fusionnant les données de transcriptomique spatiale, surpassant ainsi les modèles individuels et les méthodes d'ensemble classiques en précision et en interprétabilité.
Cet article présente un cadre d'inférence réglementaire spatialement ancrée qui intègre la transcriptomique spatiale Visium et les données multi-omiques à l'échelle cellulaire pour cartographier les programmes de régulation génique dans le mélanome, révélant ainsi des mécanismes locaux et l'impact des stratégies d'assignation sur la stabilité des résultats.
Les chercheurs ont développé GeoARG, un cadre d'apprentissage automatique intégrant des caractéristiques structurelles et des modèles de langage protéiques, qui permet de découvrir de nouveaux gènes de résistance aux antibiotiques en identifiant des homologues éloignés que les méthodes traditionnelles basées sur la séquence ne détectent pas.
Cette étude révèle que le domaine UBL de la protéine UBL3 se distingue par un contrôle dynamique centré sur son hélice α, un mécanisme clé pour la compréhension de ses interactions protéiques et de son rôle dans les maladies.
Cette étude présente un cadre d'analyse géométrique pour les interactions ligand-récepteur en transcriptomique spatiale qui distingue l'association aux interfaces de la localisation spatiale réelle, révélant que la communication tumorale s'inscrit dans un continuum de contraintes spatiales plutôt que dans des régimes discrets.
Cette étude démontre que l'application simultanée de variables de substitution (SV) et de composantes principales (PC) pour corriger les facteurs de confusion dans les analyses d'expression différentielle améliore significativement la reproductibilité et la validité biologique des résultats par rapport à l'utilisation isolée de l'une ou l'autre méthode.
Les auteurs présentent *sosta*, un package Bioconductor open-source permettant d'analyser directement les structures anatomiques multicellulaires dans les données d'omique spatiale, dépassant ainsi les limites des méthodes actuelles centrées sur les cellules individuelles.