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.
Ce papier présente TEA, un nouvel alphabet protéique à 20 lettres dérivé des embeddings de modèles de langage par apprentissage contrastif, qui permet une détection rapide et sensible d'homologies lointaines rivalisant avec les méthodes basées sur la structure tout en exploitant les algorithmes de recherche de séquences existants.
Cet article révèle que l'utilisation répandue de tests statistiques invalides ignorant la dépendance des plis de validation croisée en apprentissage automatique biomédical conduit à des taux de faux positifs gonflés, incitant les auteurs à proposer le test SHARP comme solution robuste et à fournir de nouvelles directives de rapport pour une comparaison valide des modèles.
Ce papier propose un estimateur par la méthode des moments conscient des collisions qui permet une quantification précise de l'ARN-seq à l'aide d'UMI plus courts et non uniques, réduisant ainsi les coûts de séquençage et de synthèse sans compromettre les connaissances biologiques.
GlyComboCLI est un outil flexible et open-source en ligne de commande qui automatise l'attribution des compositions glycaniques pour les données de spectrométrie de masse, permettant des flux de travail bioinformatiques évolutifs et conformes aux principes FAIR qui réduisent considérablement l'interprétation manuelle tout en garantissant des résultats reproductibles.
L'article présente geneML, un outil d'apprentissage profond rapide et open source qui améliore considérablement la précision, la sensibilité et l'exhaustivité biologique de la prédiction des gènes et des transcrits alternatifs à travers divers génomes fongiques par rapport aux méthodes existantes telles que BRAKER3 et AUGUSTUS.
L'article présente NMFBatch, un cadre statistique unifié qui corrige simultanément les effets de lot discrets et la dérive du signal continu tout en traitant directement les valeurs manquantes dans la protéomique par spectrométrie de masse à grande échelle et à l'échelle de la cellule unique, préservant ainsi la structure biologique et réduisant la perte d'information par rapport aux méthodes existantes.
ParaDISM est une chaîne de traitement open source qui améliore la précision de l'alignement des lectures courtes et de l'appel de variants dans les régions génomiques hautement homologues en exploitant des alignements de séquences multiples pour identifier des positions discriminantes et affiner itérativement les séquences de référence, réduisant ainsi considérablement les artefacts d'alignement erroné et les appels de variants faux par rapport aux aligneurs standards.
zFISHer est une application open-source basée sur napari qui automatise l'enregistrement 3D, la détection et l'analyse de colocalisation de données FISH multiplexées séquentielles tout en fournissant des outils de curation interactifs pour surmonter les goulots d'étranglement laborieux de l'analyse manuelle.
OmniCellAgent est un cadre d'IA multi-agents qui récupère et intègre de manière autonome des ensembles de données diversifiés de séquençage d'ARN de cellules uniques avec des connaissances biomédicales antérieures pour générer des hypothèses fondées sur des preuves et accélérer la découverte scientifique pilotée par l'omique pour les chercheurs non informatiques.
En construisant des arbres phylogénétiques à partir de plus de 100 000 séquences de grippe, cette étude estime les taux de mutations neutres et les effets sur la fitness spécifiques à chaque site à travers le protéome viral, révélant une variation significative entre les types de mutations, de fortes corrélations inter-virales avec le SARS-CoV-2 et le VIH, et fournissant une ressource interactive et complète pour comprendre comment la mutation et la sélection façonnent l'évolution de la grippe dans la nature.