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 propose un cadre novateur intégrant des distributions statistiques structurées dans les représentations graphiques des données omiques, permettant d'atteindre des performances prédictives compétitives tout en améliorant l'interprétabilité biologique pour la découverte de connaissances sur les maladies complexes.
Cette étude identifie l'indinavir, un inhibiteur de protéase HIV/HCV, comme un candidat prometteur pour le traitement du virus Chikungunya en démontrant par des simulations de dynamique moléculaire sa capacité à se lier à la protéine nsP2 et à bloquer la réplication virale, validant ainsi la stratégie de repositionnement de médicaments.
Le papier présente BioGraphX, un cadre novateur qui prédit la localisation subcellulaire des protéines de manière interprétable et éco-responsable en construisant des graphes d'interaction à partir de séquences via des règles biochimiques, éliminant ainsi le besoin de structures 3D tout en surpassant les méthodes actuelles grâce à une logique biophysique précise.
Cette étude présente SLOPE, une méthode non supervisée qui modélise la progression continue de l'amyloïde dans la maladie d'Alzheimer sur une échelle temporelle, offrant une sensibilité accrue aux changements précoces par rapport aux mesures globales traditionnelles.
Cet article présente un algorithme de Monte Carlo permettant de construire et de compresser en temps réel les ensembles de couleurs distincts des k-mers dans les graphes de Bruijn colorés, réduisant ainsi considérablement l'utilisation mémoire lors de l'indexation de vastes ensembles de génomes microbiens.
Cette étude démontre, dans un cadre synthétique, qu'un auto-encodeur convolutif couplé à un réseau de régression peut prédire avec précision les coordonnées atomiques 3D à partir d'images cryo-EM bruitées sans nécessiter de récupération de pose ni de calculs de projection, validant ainsi une approche d'apprentissage supervisé pour estimer rapidement la variabilité conformationnelle des biomolécules.
Cette étude présente la tokenisation guidée (GT), une stratégie qui intègre des connaissances biologiques et statistiques pour améliorer la performance et l'efficacité des modèles de langage génomique dans diverses tâches de classification et d'analyse.
Cette étude démontre que l'utilisation de modèles de langage à poids ouverts, combinée à un filtrage sémantique, permet d'automatiser avec une grande précision la curation des métadonnées non structurées des bases de données de sciences du vivant, facilitant ainsi la réutilisation des données publiques.
Le papier présente Wayfarer, un cadre d'analyse spatiale multiscale intégré dans un package R, qui permet de suivre l'évolution des associations spatiales à travers différentes résolutions pour révéler des signatures de progression tumorale invisibles aux échelles uniques, comme démontré sur des données de transcriptomique spatiale de cancer du poumon.
SCiMS est un nouvel outil bioinformatique capable de prédire avec précision le sexe de l'hôte à partir de faibles quantités d'ADN dans des séquences métagénomiques, comblant ainsi les lacunes des métadonnées et améliorant la qualité des études sur le microbiome.