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.
Cette étude démontre que plusieurs méthodes couramment utilisées pour l'analyse de l'abondance différentielle du microbiome produisent des p-values biaisées sous l'hypothèse nulle, tandis que les tests statistiques classiques comme le t-test et le test de Wilcoxon s'avèrent plus robustes et fiables.
Le papier présente Ryder, un outil Python flexible qui normalise les données épigénomiques en utilisant des régions de référence internes stables pour corriger les artefacts techniques et améliorer la détection des changements biologiques réels à travers diverses méthodes de séquençage.
Ce papier présente HKS, une structure de données basée sur la SBWT qui permet l'annotation exacte et hiérarchique de k-mers de longueur variable sans approximation, en résolvant les ambiguïtés de correspondance multiple et en améliorant la spécificité grâce à un lissage contextuel, tout en offrant des performances comparables aux outils existants.
Le papier présente HARVEST, un pipeline d'IA multi-agents capable d'extraire automatiquement des millions de données bioactives « sombres » et auparavant inaccessibles des brevets pharmaceutiques, révélant ainsi des lacunes majeures dans les modèles d'apprentissage actuels et comblant des décennies de travail manuel.
Ce papier présente PREMISE, un cadre probabiliste aligné et optimisé en Rust qui surpasse les méthodes k-mer existantes pour identifier avec précision les souches virales, estimer leurs abondances relatives et détecter les infections mixtes ou les réassortiments dans les données de séquençage métagénomique.
Le papier présente Zigo, une nouvelle méthode d'apprentissage automatique sans référence ni réglage manuel qui détermine le sexe génétique à partir d'un seul fichier VCF en exploitant les distributions de génotypes du chromosome X, offrant une précision et une efficacité supérieures sur divers types de données génomiques.
Cet article propose une nouvelle méthode pour comparer la diversité des pangenomes en interpolant et en extrapolaant les nombres de nœuds dans les graphes de Bruijn compacts colorés, en ajustant pour le nombre de génomes et en utilisant les nombres de Hill pour pondérer les nœuds selon la fréquence de leur présence.
Le papier présente SpeciefAI, un modèle basé sur les transformers capable de générer des régions charpentes (FR) d'anticorps et de nanocorps harmonisées au niveau de l'ARNm pour six espèces différentes, assurant ainsi à la fois une expression efficace et une faible immunogénicité en s'adaptant aux régions déterminantes de complémentarité (CDR) d'entrée.
Cet article introduit une relation d'homologie induite par les graphes de pangenome pour définir des métriques de comparaison et des transformations entre les modèles de graphes de variation et d'alignement de génomes complets, accompagnées d'une implémentation logicielle nommée WGAtools.
Cet article présente de nouvelles structures de données pour les requêtes de rang de sous-ensemble qui permettent des recherches de k-mers basées sur le SBWT avec une empreinte mémoire inférieure à 3 bits par k-mer, offrant ainsi de nouvelles solutions Pareto optimales à faible consommation de mémoire.