775 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 papier présente EGGS, un outil écrit en C qui permet de généraliser des génotypes empiriques comportant des données manquantes tout en offrant diverses fonctionnalités de simulation et de conversion de formats pour l'analyse génétique.
L'article présente CycleGRN, un cadre novateur qui infère les réseaux de régulation génique en modélisant les dynamiques oscillatoires du cycle cellulaire comme un système dynamique stochastique, permettant ainsi de reconstruire avec précision les interactions régulatrices directionnelles à partir de données d'ARNsc sans nécessiter de données temporelles explicites.
Le cadre spectral MOSAIC présenté dans cet article permet une caractérisation phénotypique intégrative à l'échelle des populations en apprenant une représentation conjointe haute résolution des échantillons et des caractéristiques à partir de données multi-omiques à l'échelle cellulaire unique, facilitant ainsi la détection de réorganisations de réseaux régulateurs, l'identification de sous-types de patients cachés et l'amélioration de la prédiction des résultats cliniques.
Le cadre MAP, qui intègre un graphe de connaissances biologiques et une stratégie de pré-entraînement pour générer des représentations mécanistiques unifiées, permet de prédire avec précision les réponses cellulaires à des médicaments non profilés grâce à une généralisation en zéro-shot surpassant les méthodes existantes.
L'article présente SpaMOAL, une méthode d'apprentissage contrastif sur graphes qui intègre les coordonnées spatiales, les images histologiques et les profils moléculaires pour identifier avec précision les domaines tissulaires dans les données multi-omiques spatiales, surpassant ainsi les méthodes existantes.
Cette étude présente un cadre de cartographie des destins basé sur le transport optimal qui reconstitue les trajectoires dynamiques de différenciation et de migration des lymphocytes T CD8 à travers les tissus, révélant des vagues temporelles distinctes de migration intestinale et identifiant AP4 comme un régulateur clé de la spécification entre cellules circulantes et résidentes tissulaires.
Le papier présente keju, un modèle statistique hiérarchique qui améliore considérablement la sensibilité et le contrôle des faux positifs dans l'inférence des données d'assais de rapporteurs massivement parallèles (MPRA) en modélisant spécifiquement les incertitudes liées aux lectures d'ARN et aux lots expérimentaux.
Cette étude de benchmarking évalue diverses approches de criblage de caractéristiques basées sur le principe du « sure screening » pour l'analyse de données omiques, démontrant que la méthode BcorSIS surpasse les autres en termes d'efficacité et de rapidité pour identifier des biomolécules prédictives dans des contextes de classification à haute dimension.
Le papier présente GeCCo, une nouvelle méthode mathématique qui construit l'identité des cellules à partir de programmes génétiques hiérarchisés pour garantir une cohérence hiérarchique rigoureuse dans l'identification des types cellulaires au sein de la transcriptomique à cellule unique.
Les auteurs proposent bionSBM, une méthode de modélisation par sujets basée sur des graphes qui intègre des données multi-omiques à l'échelle cellulaire pour obtenir un regroupement précis et biologiquement interprétable, surpassant les méthodes actuelles.