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.
Le document présente **onsite**, un framework Python open-source qui intègre une stratégie de leurre d'alanine afin de standardiser l'estimation du taux de faux localisations à travers plusieurs algorithmes de localisation de phosphosites, démontrant une scalabilité et une précision supérieures sur des jeux de données de spectrométrie de masse à grande échelle.
PKProbDesign est un nouveau cadre d'échantillonnage qui aborde le défi du repliement inverse de l'ARN pour les structures à pseudonoeuds en optimisant directement les probabilités de repliement thermodynamique par la décomposition de l'échafaudage et l'évaluation d'ensembles conditionnels, surpassant les méthodes existantes telles que DesiRNA et MODENA sur des cibles de référence.
En intégrant la transcriptomique de cellule unique et spatiale au traçage de lignée basé sur les variants mitochondriaux, cette étude révèle que la progression de l'ostéosarcome implique une cascade transcriptionnelle par étapes, allant des progéniteurs COL3A1 aux cellules métastatiques THY1, un changement de destin strictement autorisé par la co-localisation spatiale avec des endothéliums PLVAP dysfonctionnels pour former une niche prémétastatique enrichie en PTN/NOTCH, établissant ainsi un cadre « temps-espace-lignée » où les signaux microenvironnementaux pilotent un engagement clonal irréversible.
Cet article présente ProtAug, un cadre d'augmentation de données de séquences protéiques guidé par les pLM, qui démontre systématiquement comment des niveaux de variation contrôlés par l'utilisateur peuvent améliorer de manière constante les performances de prédiction en aval à travers diverses tâches, révélant que si la préservation de la plausibilité biologique est bénéfique à des niveaux de variation faibles à modérés, l'augmentation à haute variation peut également générer des gains grâce à des effets de régularisation.
Cet article présente un nouveau schéma de codage MLST et LIN du génome central pour *Streptococcus pyogenes*, évolutif, accessible mondialement et hébergé par PubMLST, afin d'améliorer la détection des épidémies et de faciliter la collaboration internationale dans le suivi des variants génétiques.
Le document présente GBZ-base et GAF-base, des formats de fichiers indexés s'appuyant sur SQLite qui permettent l'extraction efficace, sur disque, de sous-graphes de pangénomes locaux et de leurs alignements correspondants, répondant ainsi aux limites des formats de traitement par lots existants pour les applications interactives.
Panomap est le premier cartographe d'espace de signaux qui utilise des graphes de variation de pangenome pour éliminer le biais de référence et améliorer la précision du mappage pour les échantillons diversifiés de nanopore tout en maintenant un index compact et évolutif.
Cet article introduit un modèle d'évolution protéique en temps continu paramétré par un modèle de Potts génératif pour simuler les effets d'épistasie, révélant que si l'épistasie ralentit l'évolution globale et provoque une sous-estimation systématique des distances évolutives, elle n'altère pas les taux moyens spécifiques aux sites en raison de l'hétérogénéité des taux dépendante du contexte.
Cette étude démontre que l'affinement des bibliothèques spectrales du plasma en excluant les peptides non représentatifs améliore significativement la précision, l'exactitude et l'efficacité computationnelle de la quantification par protéomique en acquisition indépendante de données (DIA) sans compromettre l'identification des protéines.
MKMC est un outil évolutif et sans référence qui exploite les statistiques de k-mers pour permettre une analyse robuste de l'ARN-seq sur des organismes modèles et non modèles, détectant avec succès des signaux biologiques et des événements isoformes spécifiques qui échappent souvent aux méthodes traditionnelles basées sur l'alignement.