895 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 ChatSpatial, une plateforme orchestrée par des agents et fondée sur le protocole MCP qui unifie plus de 60 méthodes d'analyse de transcriptomique spatiale à travers les écosystèmes Python et R, garantissant une reproductibilité quasi déterministe grâce à l'utilisation de schémas pré-validés plutôt que de la génération de code libre.
Cette étude présente un benchmark systématique des méthodes de déconvolution de l'ARN cellulaire libre plasmatique, démontrant que l'inférence de l'origine tissulaire est robuste alors que celle de l'origine cellulaire reste plus variable et dépendante du choix de la méthode et des références utilisées.
Cet article présente Fractal, un écosystème composé d'une spécification de tâches et d'une plateforme conçus pour permettre des workflows d'analyse d'images biologiques évolutifs, reproductibles et natifs du format OME-Zarr à l'échelle du téraoctet.
Cette étude compare les performances de 29 algorithmes d'apprentissage automatique, de 80 modèles d'apprentissage profond et de 3 outils de scores de risque polygénique sur 80 phénotypes binaires du jeu de données openSNP, révélant que les méthodes d'apprentissage automatique surpassent les outils traditionnels pour 44 phénotypes tandis que les scores de risque polygénique sont plus performants pour 36 autres.
L'article présente anndataR, un package R qui améliore l'interopérabilité entre les langages R et Python en permettant la lecture et l'écriture natives de fichiers H5AD, ainsi que leur conversion vers des objets SingleCellExperiment ou Seurat.
Cet article présente un jeu de données amélioré et standardisé pour prédire les virus infectant les mammifères à partir de séquences génétiques, démontrant que la précision des modèles d'apprentissage automatique s'améliore pour des rangs taxonomiques plus larges et lorsque la distance phylogénétique entre les ensembles d'entraînement et de test est réduite, tout en soulignant les limites actuelles de la généralisation à des virus totalement nouveaux.
Le papier présente MiRformer, un cadre génératif unifié basé sur une architecture à double transformateur et un mécanisme d'attention glissante, capable de prédire avec précision les interactions et les sites de liaison miRNA-mRNA sur de longues séquences tout en synthétisant des séquences de miRNA conditionnées par l'ARNm avec une forte interprétabilité biologique.
Le toolkit SSIT est une boîte à outils logicielle open-source et flexible conçue pour modéliser, ajuster et prédire des données biologiques stochastiques tout en optimisant la conception d'expériences grâce à une variété de méthodes d'inférence et d'analyse intégrées dans l'environnement MATLAB.
Cet article présente SPAE, un autoencodeur intégré sinusoïdal et par morceaux conçu pour améliorer la précision et la robustesse de l'analyse des dynamiques du cycle cellulaire et des états cellulaires dans les données de séquençage ARN à l'échelle cellulaire unique.
REMAG est un outil innovant utilisant l'apprentissage contrastif et des modèles de fondation génomique pour surmonter les limites des pipelines actuels et permettre la récupération efficace de génomes eucaryotes de haute qualité à partir de données métagénomiques.