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.
PhenotypeToGeneDownloaderR est un pipeline léger et reproductible en R/Python qui automatise la récupération, l'harmonisation et la validation des gènes associés aux phénotypes à partir de multiples bases de données biologiques hétérogènes, atteignant un rappel élevé et démontrant la complémentarité des sources de preuves intégrées pour l'analyse génétique en aval.
Cet article présente Atlas, un jeu de données de préentraînement à grande échelle pour le microbiome, et la famille de modèles de base Waypoint, démontrant grâce à l'évaluation Compass que le préentraînement auto-supervisé surpasse nettement les méthodes classiques et les modèles existants dans diverses tâches de prédiction du microbiome.
Cet article identifie et caractérise des biais contextuels systématiques dans le modèle de transformateur nucléotidique SegmentNT — spécifiquement concernant la longueur de la séquence d'entrée, la position des nucléotides et une oscillation périodique de 24 nucléotides liée à la tokenisation — et propose des méthodes de normalisation pour améliorer la cohérence des prédictions et guider l'utilisation de modèles génomiques similaires.
MilliMap est un cadre interactif qui unifie le calcul statistique et l'exploration spatiale pour permettre une analyse itérative en boucle fermée des données de l'omique spatiale, permettant aux chercheurs d'affiner les paramètres et de valider les résultats au sein d'un environnement unique pour des applications allant de la neuroanatomie aux microenvironnements tumoraux.
Cet article présente le portail de données SenNet, une plateforme hybride évolutive dans le cloud qui offre un accès ouvert à des ensembles de données multimodaux et multi-tissus harmonisés ainsi qu'à des outils analytiques pour caractériser systématiquement la sénescence cellulaire dans les modèles humains et murins de la recherche sur le vieillissement.
Cette étude de référence remet en question l'hypothèse selon laquelle les modèles d'IA plus grands surpassent universellement les modèles plus petits dans la découverte de médicaments, démontrant que des modèles compacts et spécialisés atteignent souvent une précision prédictive supérieure ou comparable à celle des grands modèles de base sur une variété de tâches liées aux propriétés et à l'activité moléculaires.
AnnotateMissense est un cadre évolutif qui intègre des caractéristiques diverses de génomique et de modèles de langage protéique pour évaluer et générer des prédictions de pathogénicité haute performance pour plus de 90 millions de variants faux-sens, atteignant une précision supérieure avec un modèle XGBoost entraîné sur 132 714 variants étiquetés ClinVar.
Les auteurs ont développé l'Indice de Nouveauté Structurelle (SNI), un cadre piloté par l'intelligence artificielle qui a permis d'identifier et de valider expérimentalement un assemblage inattendu de récepteurs immunitaires NRC à onze sous-unités, démontrant ainsi une méthode évolutive pour découvrir des complexes protéiques atypiques au-delà des architectures canoniques.
Cet article propose un cadre non supervisé exploitant les grands modèles de langage et l'apprentissage contrastif pour caractériser les séquences de la protéine Spike du SARS-CoV-2, démontrant une performance de regroupement améliorée dans la prédiction des variants émergents par rapport aux approches précédentes.
L'article présente cryoPANDA, une base de données massive de plus de 37 millions de particules cryo-ME annotées issues de 252 expériences diverses, conçue pour surmonter les limitations actuelles des données et accélérer le développement de méthodes fondées sur les données pour la biologie structurale.