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.
EditorForge est un cadre modulaire qui améliore la conception de protéines par repliement inverse en intégrant des masques de conception explicites, un blindage du site actif et un contrôle de la qualité structurelle afin de générer en toute sécurité des candidats de séquences contraints et à haute confiance pour les domaines enzymatiques et les éditeurs de génome.
OMIO est une bibliothèque Python légère et open-source qui garantit la reproductibilité de l'analyse d'images de microscopie en séparant la lecture de fichiers de bas niveau d'une couche centralisée, pilotée par des politiques, qui impose des conventions d'axes canoniques et une normalisation robuste des métadonnées à travers des formats de fichiers hétérogènes.
L'article propose et valide une méthode de normalisation unique appelée PFlogPF, qui combine l'ajustement proportionnel additif et multiplicatif avec une transformation logarithmique pour stabiliser efficacement la variance, tenir compte de la profondeur de séquençage et préserver la monotonicité de l'abondance des caractéristiques dans les données de génomique en cellule unique.
L'article présente BootDA, une méthode de bootstrap non paramétrique qui corrige simultanément quatre sources majeures de biais dans les données de microbiote sans recourir à des transformations ou à des pseudocomptes, atteignant ainsi une sensibilité et une spécificité supérieures pour identifier l'abondance différentielle réelle et affiner la signature microbienne de la maladie coronarienne.
Cette étude emploie la pseudoperplexité pour démontrer que le modèle de langage protéique ProtT5 présente une mémorisation détectable mais limitée de ses données d'entraînement, suggérant qu'il généralise principalement la grammaire statistique des protéines plutôt que de simplement mémoriser par cœur des séquences.
Cette étude présente ECMME, un atlas Web complet analysant les pressions de sélection par résidu à travers 272 protéines de la matrice extracellulaire humaine en utilisant 228 espèces de mammifères, révélant une sélection purificatrice omniprésente ainsi que des motifs distincts de sélection positive épisodique dans les collagènes afin de fournir une ressource en libre accès pour l'étude de la dynamique évolutive de la MEC.
Les auteurs présentent FLAG-X, un package Python qui comble le fossé entre l'analyse de la cytométrie en flux manuelle et automatisée en intégrant des méthodes d'apprentissage automatique de pointe avec des annotations d'experts dans des flux de travail hybrides, remédiant ainsi au manque de standardisation et d'efficacité dans le fenêtrage clinique de routine.
L'article présente cryoPARES, une méthode d'apprentissage profond supervisé qui accélère l'alignement des images de cryo-EM et permet une détermination structurelle automatisée et en temps réel pour la découverte de médicaments en exploitant des informations de pose préalables et en éliminant toute intervention manuelle.
Cette étude aborde les défis de reproductibilité de l'amplification isotherme médiée par des boucles (LAMP) colorimétrique en développant un modèle de classification par apprentissage automatique qui utilise des caractéristiques thermodynamiques et de séquence, particulièrement à partir des amorces F1c et B1c, afin de prédire le succès de l'essai et d'améliorer la fidélité de la conception des amorces.
Cette étude démontre que la technologie de calibration intra-lame, combinée à l'analyse computationnelle, améliore significativement l'harmonisation et la reproductibilité des essais immunohistochimiques de p53 entre différents laboratoires d'anatomie pathologique, soutenant ainsi une prise de décision diagnostique plus objective en neuro-oncologie.