1243 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.
Le cadre OPTIMIS propose une approche innovante combinant simulation hybride multiscale et jumeau numérique différentiable pour entraîner des agents d'apprentissage par renforcement capables d'optimiser en temps réel les thérapies cellulaires personnalisées en anticipant les réactions immunitaires dangereuses grâce à la détection précoce de la variabilité moléculaire.
Allos est un outil Python open-source intégré qui comble le manque de cadres d'analyse pour les données de transcriptomique à isoforme unique et spatiale, en permettant le stockage, l'analyse et la visualisation unifiés des profils d'expression transcriptomique à haute résolution grâce à sa compatibilité avec le modèle de données AnnData et les pipelines scverse.
Cette étude, utilisant des modèles de structure protéique avancés pour analyser des paires d'enzymes consécutives chez *E. coli*, conclut qu'aucune preuve ne démontre que les sites catalytiques des enzymes interagissantes sont spatialement optimisés pour faciliter le transfert de métabolites.
Le modèle d'apprentissage auto-supervisé Tripso propose une approche centrée sur les programmes géniques pour décoder les états cellulaires à partir de données omiques à haut débit, permettant ainsi de révéler des dynamiques biologiques spécifiques à l'âge, d'identifier de nouveaux programmes géniques et de générer des hypothèses thérapeutiques validables.
En appliquant l'apprentissage par renforcement à des modèles de langage pour l'ADN, cette étude démontre que l'optimisation post-entraînement améliore non seulement le taux de validation des plasmides générés, mais induit également une réalisme biologique émergent, comme la stabilité thermodynamique et les schémas d'utilisation des codons, sans que ces propriétés soient explicitement optimisées.
Cet article présente SpaMosaic, un outil évolutif basé sur l'apprentissage contrastif et les réseaux de neurones graphiques qui intègre de manière robuste des données multi-omiques spatiales hétérogènes pour identifier des domaines spatiaux cohérents, corriger les effets de lot et imputer avec précision les modalités manquantes afin de construire des atlas biologiques complets.
Cet article présente la Signature Distance, une métrique généralisant la distance d'énergie pour comparer des distributions empiriques en capturant les changements de densité et de structure topologique, ce qui la rend supérieure pour l'évaluation de modèles génératifs et l'expansion de données biologiques.
Cette étude présente la « translocation de fitness », une méthode d'augmentation de données qui améliore la prédiction des effets des variants protéiques en transférant des informations de fitness depuis des protéines homologues vers une protéine cible, permettant ainsi des gains de précision significatifs même avec peu de données d'entraînement.
Le papier présente Chromatix, une bibliothèque open-source accélérée par GPU et différentiable basée sur JAX, qui standardise les simulations d'optique ondulatoire pour démocratiser la conception de systèmes optiques et améliorer les performances dans des domaines tels que la microscopie et l'holographie.
Le papier présente cellSight, un flux de travail automatisé et convivial pour l'analyse du RNA-sequencing à l'échelle d'une seule cellule, conçu pour surmonter les limites des méthodes manuelles en améliorant l'efficacité, la reproductibilité et l'évolutivité afin d'accélérer les découvertes biologiques et cliniques.