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.
Cet article présente OT-knn, une méthode innovante d'alignement des données de transcriptomique spatiale qui intègre les informations de voisinage local dans un cadre de transport optimal pour surmonter les défis liés au bruit, aux déformations géométriques et à l'hétérogénéité biologique entre les échantillons.
L'article présente wavess 1.2, un cadre de simulation de séquences virales au sein de l'hôte amélioré qui intègre une réponse CTL dépendante du HLA et un taux de recombinaison variable pour mieux modéliser l'évolution virale et éclairer la conception de vaccins.
Cette première étude systématique de la littérature sur les sondes chimiques révèle qu'elles précèdent de 1 à 7 ans les bases de données structurées, permettent d'identifier de nouvelles associations cible-maladie non documentées et renforcent la validation fonctionnelle des hypothèses thérapeutiques, soulignant ainsi leur rôle crucial dans la découverte précoce de médicaments.
Cette étude démontre que l'analyse post-hoc des explications de modèles d'apprentissage automatique permet non seulement de révéler des biais cachés (comme la reconnaissance d'individus plutôt que de processus biologiques) dans des ensembles de données biomédicales limités, mais aussi d'extraire des informations biologiques pertinentes en réorientant la tâche de classification vers ce que les données peuvent réellement soutenir.
Cette étude présente un cadre multimodal intégrant la factorisation matricielle non négative directionnelle (dNMF) pour démontrer que les variations des répétitions en tandem à court (STR) offrent une résolution supérieure à celle des SNP pour l'inférence de la structure des populations humaines, révélant ainsi des dynamiques démographiques fines et interprétables biologiquement.
ProteinConformers est une ressource à grande échelle qui fournit 2,7 millions de conformations protéiques géométriquement optimisées et énergétiquement profilées pour combler les lacunes des ressources existantes en matière de couverture conformationnelle, d'annotations énergétiques et de normes d'évaluation.
Cette étude établit que le récepteur AGTR1 est un marqueur spécifique des péricytes pulmonaires qui régule leur comportement et la résilience de l'airspace, offrant ainsi un cadre cellulaire pour cibler thérapeutiquement les maladies pulmonaires comme la BPCO et la fibrose.
Cette étude révèle que les pipelines actuels de graphes de pan-génomes peinent à détecter et à représenter correctement les inversions, en identifiant deux motifs topologiques distincts et en soulignant des taux de récupération très faibles, notamment sur des données humaines réelles.
Cette étude démontre que les modèles de fondation de l'ADN, en particulier HyenaDNA, surpassent les méthodes spécialisées dans la prédiction précise et efficace des sites de liaison des facteurs de transcription chez les plantes, offrant ainsi une solution évolutive pour la génomique végétale.
Cette étude démontre que la qualité des données, notamment la sparsité et le bruit moléculaire ainsi que la résolution des images, influence de manière critique la performance des modèles d'apprentissage profond prédisant l'expression génique spatiale à partir d'images histologiques, suggérant que l'amélioration de la qualité des données constitue une stratégie complémentaire essentielle à l'optimisation des architectures de modèles.