1244 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 dGSEA, une méthode d'analyse d'enrichissement de gènes différentiable qui comble le fossé entre les objectifs de prédiction au niveau des gènes et l'interprétation au niveau des voies biologiques en remplaçant les opérations de classement discrètes par des approximations continues, permettant ainsi une optimisation stable et efficace pour la découverte de médicaments.
Cet article présente ECHO, un pipeline Snakemake convivial basé sur le séquençage nanopore Oxford Nanopore, conçu pour permettre le profilage génétique et épigénétique reproductible et évolutif de l'ensemble des éléments répétitifs du génome humain.
Le papier présente scCChain, un cadre basé sur les transformateurs qui intègre l'activité ligand-récepteur dans des programmes de communication spatiale interprétables et localise les points chauds d'interaction à la résolution de spot et de cellule unique en modélisant des chaînes de cellules connectées.
Le papier présente HViLM, le premier modèle fondamental pour l'analyse génomique virale pan-virale, qui atteint des performances de pointe dans la prédiction multi-tâches de la pathogénicité, de la transmissibilité et du tropisme hôte grâce à un pré-entraînement continu sur 5 millions de séquences virales et une évaluation rigoureuse via le benchmark HVUE.
Cette étude présente une évaluation systématique de cinq méthodes d'annotation basées sur l'apprentissage automatique pour les tests d'association de variants rares, démontrant que CADD offre la meilleure séparation du signal tandis que GPN-MSA présente la plus forte enrichissement pour les gènes intolérants aux variants de perte de fonction, tout en établissant un cadre distributionnel pour l'évaluation de l'étalonnage.
Cette étude propose d'utiliser le désaccord entre les prédicteurs computationnels des effets des variants comme stratégie pratique pour prioriser les protéines dont la caractérisation expérimentale par des MAVEs sera la plus informative, car cet accord ne prédit pas la précision des modèles face aux données empiriques.
L'article présente ISdetector, un pipeline bioinformatique scalable et précis qui permet de cartographier les séquences d'insertion et leurs variations structurelles associées à partir de données de séquençage à lectures courtes, surpassant les outils existants en termes de fiabilité et d'efficacité.
Le modèle Pro2RNA, un système d'apprentissage multimodal combinant des représentations protéiques, taxonomiques et génétiques, permet de concevoir des séquences d'ARNm codantes optimisées et adaptées à un hôte spécifique à partir de séquences protéiques données.
Cet article démontre que l'application de méthodes d'incertitude, telles que le recalibrage par température et les réseaux de neurones épistémiques, améliore la fiabilité des modèles de langage génomique basés sur les transformateurs face aux décalages de distribution.
Cette étude démontre que l'utilisation d'embeddings générés par le modèle de langage génomique Evo2, combinée à des méthodes d'alignement et de composition, améliore la prédiction des hôtes de bactériophages en capturant des signaux de gamme d'hôtes sans nécessiter d'entraînement supervisé spécifique.