1235 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 présente un cadre d'apprentissage automatique basé sur des réseaux de neurones graphiques jumeaux et des données synthétiques structurales pour classifier les variants CirA susceptibles d'altérer la fonction du transporteur et de réduire la sensibilité au céfiderocol chez les Entérobactéries.
Cette étude révèle que la vulnérabilité du cortex préfrontal dans la maladie d'Alzheimer associée au syndrome de Down est sous-tendue par un état épigénétiquement contraint des astrocytes basaux, caractérisé par une perte de fonctions homéostatiques et une réponse inadéquate aux signaux de stress et d'inflammation.
Cet article présente un pipeline analytique complet basé sur la microscopie électronique volumique et une segmentation hybride pour reconstruire en 3D la distribution des nanoparticules dans des sphéroïdes tumoraux, révélant un regroupement préférentiel périnucléaire et offrant un cadre reproductible pour l'analyse conjointe de la morphologie cellulaire et de l'internalisation des nanomatériaux.
Cette étude démontre que, à l'échelle de modèles compacts, la capacité générative pour la conception d'anticorps *de novo* dépend principalement de la taille des données et du modèle plutôt que de l'architecture spécifique, tout en validant la haute qualité structurale et l'innocuité immunologique des candidats via une pipeline d'évaluation agentic automatisée.
Le papier présente DNAharvester, un pipeline Nextflow modulaire et reproductible conçu spécifiquement pour optimiser l'analyse de l'ADN fortement dégradé provenant de spécimens anciens et historiques en intégrant des stratégies avancées de filtrage, de cartographie et de détection des biais pour maximiser la récupération de données authentiques.
Cette étude révèle que la performance des modèles de langage protéiques dans la prédiction de la fitness diminue au-delà d'une certaine taille car les modèles plus grands tendent à surestimer la vraisemblance des séquences, s'éloignant ainsi des motifs évolutifs optimaux nécessaires pour capturer fidèlement le paysage de fitness.
Cette étude démontre que les protéines humaines présentant des enchevêtrements natifs non covalents sont statistiquement plus susceptibles d'être associées à des maladies et à des mutations pathogènes en raison d'une plus grande propension au mauvais repliement, ouvrant ainsi de nouvelles perspectives thérapeutiques.
Cette étude présente la première caractérisation complète de la famille des facteurs de transcription NAC chez le Cynodon dactylon, identifiant 237 gènes dont l'expression spécifique révèle des rôles clés dans la réponse aux stress abiotiques et offrant ainsi une base pour l'amélioration de la résilience de cette espèce.
L'article présente MSI-VISUAL, un cadre open-source qui améliore l'analyse interactive de l'imagerie par spectrométrie de masse grâce à des stratégies de visualisation fidèles préservant la structure globale des données, permettant ainsi une meilleure résolution spatiale et de nouvelles découvertes biologiques.
L'article présente LoPhy, une nouvelle méthode algorithmique conçue pour reconstruire des phylogénies longitudinales cohérentes intégrant à la fois des variants nucléotidiques uniques (SNVs) et des altérations du nombre de copies (CNAs) à partir de données de séquençage cellulaire unique, permettant ainsi de mieux comprendre l'évolution temporelle des cancers comme la leucémie myéloïde aiguë.