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.
Ce papier présente Helicase, une bibliothèque Rust qui utilise des algorithmes vectorisés SIMD pour parser et packer en bits les séquences génomiques FASTA/Q à des vitesses inégalées, surpassant ainsi les bibliothèques existantes sur les architectures x86 et ARM.
Le papier présente miRBind2, un modèle d'apprentissage profond basé uniquement sur la séquence qui prédit avec une précision supérieure aux méthodes existantes les sites de liaison des microARN et la répression génique, sans recourir à des caractéristiques biologiques conçues manuellement.
En couplant des modèles de langage codon et protéique, cette étude révèle que la pathogénicité des variants génétiques résulte de l'interaction entre les contraintes de la protéine (le produit) et celles de la séquence codante (le processus), dont l'importance relative varie selon le type de variant et le contexte expérimental.
Les auteurs ont développé un flux de travail computationnel intégrant 28 signatures transcriptomiques de la tuberculose pour identifier 64 médicaments approuvés par la FDA prometteurs en tant que thérapies dirigées contre l'hôte, tout en révélant de nouvelles cibles thérapeutiques et en validant l'approche de cartographie de connectivité pour la découverte de traitements contre les infections bactériennes.
Cette étude présente TriGraphQA, un nouveau cadre d'apprentissage par graphes triples qui améliore l'évaluation de la qualité des complexes protéiques en découplant explicitement les représentations monomériques et interfaciales pour mieux distinguer la stabilité de repliement de la spécificité de liaison.
RNASTOP est un cadre d'apprentissage profond innovant qui améliore significativement la prédiction de la stabilité chimique de l'ARNm et permet son optimisation rationnelle pour accélérer le développement de vaccins et de thérapies à base d'ARNm.
Cette étude utilise le criblage par amarrage moléculaire et l'immunoinformatique pour identifier les antigènes PfCyRPA, PfMSP10 et PfCSP de *Plasmodium falciparum* comme des candidats prometteurs pour le développement de vaccins contre le paludisme.
Cette étude bioinformatique multi-ensembles de données identifie des signatures moléculaires robustes liées au métabolisme de la vitamine D et aux voies inflammatoires, offrant de nouveaux biomarqueurs pour le diagnostic précoce et le ciblage thérapeutique de la fragilité.
Cet article présente dGSEA, une méthode d'analyse d'enrichissement de gènes différentiable qui comble le fossé entre les objectifs de prédiction au niveau des gènes et l'interprétation au niveau des voies biologiques en remplaçant les opérations de classement discrètes par des approximations continues, permettant ainsi une optimisation stable et efficace pour la découverte de médicaments.
Cet article présente ECHO, un pipeline Snakemake convivial basé sur le séquençage nanopore Oxford Nanopore, conçu pour permettre le profilage génétique et épigénétique reproductible et évolutif de l'ensemble des éléments répétitifs du génome humain.