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 DEFT, une nouvelle méthode d'apprentissage profond qui combine les approches basées sur la séquence et la structure pour améliorer la précision et l'efficacité de la prédiction des numéros EC, permettant ainsi une annotation à haut débit des enzymes bactériennes dégradant les mucines intestinales.
Cet article propose un cadre d'évaluation équilibré par entité et une stratégie d'entraînement nommée UnbiasNet pour éliminer les biais de shortcuts dans la prédiction des associations biologiques multi-entrées, permettant ainsi une évaluation plus juste et une détection plus robuste des interactions réelles.
Cette étude démontre qu'un algorithme de sous-échantillonnage basé sur les préfixes permet de réduire la taille des génomes bactériens tout en maintenant une haute précision prédictive pour les phénotypes, surpassant les architectures d'apprentissage profond complexes et offrant une voie prometteuse vers des modèles de langage génomique légers et interprétables.
Le papier présente PIGLET, une nouvelle méthode basée sur un transformateur de graphes qui prédit les interactions médicament-cible en exploitant un graphe de connaissances protéomique, surpassant les modèles existants lors d'évaluations rigoureuses et démontrant son utilité dans un cas d'étude réel de découverte de médicaments.
Cet article présente la méthodologie ICI-Kt, qui interprète les valeurs manquantes de type censuré à gauche dans les données métabolomiques comme des informations utiles pour améliorer le calcul de la corrélation de Kendall-tau, la détection d'échantillons aberrants et la construction de réseaux de caractéristiques.
Le modèle linguistique ProteomeLM, entraîné sur des protéomes entiers, permet de prédire avec une grande précision et rapidité les interactions protéine-protéine et l'essentialité des gènes à travers diverses espèces, surpassant les méthodes traditionnelles basées sur les séquences.
Cet article présente ConNIS, une nouvelle méthode statistique et un outil logiciel pour améliorer la détection des gènes essentiels dans les bibliothèques TraDIS en calculant la probabilité des séquences sans insertion et en proposant un critère pour optimiser automatiquement les paramètres d'analyse.
Cette étude présente un cadre robuste basé sur des modèles de régression linéaire pour prédire l'impact des mutations somatiques sur la liaison des facteurs de transcription dans 560 génomes de cancer du sein, révélant que des processus mutationnels spécifiques réorganisent systématiquement les réseaux de régulation génique de manière dépendante du sous-type tumoral.
Cette étude démontre que l'évaluation des modèles de réponse aux perturbations cellulaires uniques est entravée par des métriques inadéquates et des attentes excessives, révélant que les modèles complexes surpassent rarement des baselines simples et appelant à l'établissement de directives d'évaluation robustes pour un benchmarking fiable.
Bien que les prédicteurs d'effets de variants soient souvent entraînés sur des données non représentatives, cette étude démontre que, une fois ajustés pour les fréquences alléliques, leurs performances restent comparables entre les principaux groupes d'ascendance, ce qui soutient leur déploiement responsable dans le diagnostic génétique.