774 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 papier présente scTGCL, une méthode innovante de regroupement de données d'ARN-seq à cellule unique basée sur un transformateur et l'apprentissage contrastif graphique, qui surpasse les méthodes existantes en termes de précision, de robustesse et d'efficacité computationnelle.
Les auteurs présentent un algorithme linéaire novateur qui oriente les graphes bidirectionnels pour identifier efficacement les ultrabulles dans les graphes de pangenome, offrant des accélérations considérables par rapport aux méthodes existantes.
Le papier présente GraphBG, un cadre bayésien scalable et unifié qui utilise des convolutions graphiques spectrales pour détecter avec précision des domaines spatiaux cohérents dans des données de transcriptomique spatiale multi-tranches et multi-modales, surpassant les méthodes existantes en termes de rapidité, d'évolutivité et de pertinence biologique.
L'article présente KuafuPrimer, une approche d'apprentissage automatique qui conçoit des amorces de séquençage 16S optimisées pour réduire considérablement les biais et améliorer la détection de taxons clés, surpassant ainsi les amorces universelles dans des études microbiennes à grande échelle et des diagnostics cliniques.
Le MetaGEAR Explorer est une plateforme web interactive qui permet d'explorer rapidement les associations entre des gènes microbiens et des maladies comme la maladie de Crohn ou le cancer colorectal en analysant plus de 33 millions de gènes provenant de 9 053 échantillons métagénomiques de cohortes diverses.
Cette étude démontre que le modèle d'IA Boltz-2 surpasse toutes les autres stratégies de rescoring pour le criblage virtuel à grande échelle, offrant une classification précise et efficace des interactions protéine-ligand sur des ressources informatiques standards.
Cet article présente SIR, un cadre non paramétrique basé sur la régression isotone et le wild bootstrap qui améliore la reproductibilité et la fiabilité statistique du dépistage de la synergie des médicaments en remplaçant les scores heuristiques par des valeurs p calibrées et des surfaces d'interaction robustes.
Le framework open-source CosMxScope permet de reconstruire des images de lames entières et d'intégrer les données de transcriptomique spatiale CosMx dans des outils de pathologie numérique comme QuPath pour faciliter l'analyse spatiale interactive.
Le Track Hub Quickload Translator est une application web développée en Python qui permet aux chercheurs de convertir facilement les fichiers de configuration entre les formats du Track Hub du UCSC Genome Browser et de l'Integrated Genome Browser, facilitant ainsi l'accès à des dizaines de milliers d'assemblages génomiques publiés.
Le cadre VaLPAS, disponible sous forme de package Python, exploite les variations des données multi-omiques expérimentales pour prédire les fonctions de protéines inconnues par association avec des molécules caractérisées, comblant ainsi les lacunes fonctionnelles dans l'espace protéique.