770 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.
Cet article présente un jeu de données complet de profils de métabarcodage de l'ITS2 et de séquençage de l'ARN (RNA-seq) issus respectivement de 200 et 48 génotypes de *Pinus sylvestris*, afin d'étudier comment le génotype de l'hôte influence les communautés fongiques foliaires et la sensibilité aux maladies dans le contexte de la brûlure des aiguilles par *Dothistroma*.
Le cadre Paipu surmonte les obstacles génomiques et d'annotation pour permettre la création d'un atlas de transcriptomique du cancer pan-mammalien harmonisé à grande échelle en rationalisant la récupération et le traitement des données RNA-seq issues du SRA de la NCBI à travers diverses espèces.
L'article présente mantis-delta, une bibliothèque Python open source qui intègre l'analyse structurelle de la théorie des réseaux de réactions chimiques (CRNT) avec la génération d'équations différentielles ordinaires symboliques et des solveurs numériques hybrides pour caractériser rigoureusement les états stationnaires, la stabilité et les bifurcations dans les systèmes à loi d'action de masse sans se fier uniquement à la simulation.
Cette étude propose un cadre en deux étapes qui combine des caractéristiques de fréquence des acides aminés avec des représentations latentes apprises par un autoencodeur de réseau de neurones convolutif 1D, démontrant qu'un classificateur de forêt aléatoire entraîné sur cet ensemble de caractéristiques hybride améliore significativement la précision de la prédiction des interactions protéine-protéine par rapport à l'utilisation exclusive des caractéristiques de fréquence.
Cette étude utilise une pipeline computationnelle à l'échelle du génome pour prédire les miARN codés par le virus de la grippe A (H3N2) et leurs gènes cibles, révélant un réseau de gènes de l'hôte impliqués dans l'immunité innée pulmonaire et antivirale qui pourrait éclairer la pathogenèse virale et suggérer des cibles thérapeutiques.
KaryoScope est un outil rapide et sans alignement qui permet l'annotation à la résolution des bases de diverses caractéristiques génomiques à travers des assemblages de pan-génomes entiers en quelques minutes, caractérisant efficacement des régions variables précédemment inaccessibles comme les centromères et les sous-télomères pour soutenir l'analyse comparative et clinique.
Cette étude analyse des données du microbiome urinaire pour démontrer que *Lactobacillus crispatus* est significativement enrichi chez les individus sains par rapport aux patients souffrant d'infections urinaires, l'identifiant ainsi comme un candidat probiotique prometteur pour la prévention et la prise en charge des infections urinaires.
Cette étude utilise des autoencodeurs parcimonieux et une analyse basée sur des graphes pour révéler que le modèle de langage génomique Nucleotide Transformer v2 encode une syntaxe séquentielle granulaire et des contraintes biophysiques locales plutôt qu'une logique régulatrice complexe, ce qui explique ses performances élevées sur des tâches moléculaires spécifiques mais ses capacités plus faibles en matière d'inférence régulatrice plus large.
Ce papier présente TAMIPAMI, un cadre expérimental et computationnel rationalisé qui simplifie l'identification des PAM/TAM pour les systèmes CRISPR et OMEGA en ne nécessitant qu'une seule bibliothèque témoin, en utilisant un algorithme novateur pour définir des motifs dégénérés minimaux, et en offrant des outils web et en ligne de commande accessibles pour une caractérisation rapide.
PrEditR est un outil open-source centré sur les protéines conçu pour surmonter les limites des logiciels existants de conception d'ARN guide (sgRNA) axés sur l'ADN en permettant la génération à haut débit d'ARN guides compatibles avec la spectrométrie de masse pour les cribles de base editors CRISPR ciblant des sites spécifiques de modifications post-traductionnelles des protéines.