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.
L'article présente VarDCL, un cadre d'apprentissage contrastif auto-distillé qui intègre des modèles de langage protéiques multimodaux pour prédire avec une grande précision les effets pathogènes des variants faux-sens, surpassant ainsi les méthodes existantes sur des données cliniques.
RIBEX est un cadre multimodal innovant qui améliore la prédiction et l'explication des protéines liant l'ARN en intégrant les représentations de séquence issues de modèles de langage protéique avec la topologie des interactions protéiques, surpassant ainsi les méthodes actuelles, notamment pour les protéines riches en régions intrinsèquement désordonnées.
En développant un modèle d'équations aux dérivées partielles structuré par le phénotype qui intègre la diffusion, la compétition pour les ressources et un compromis vie-mortalité, cette étude révèle comment les régimes thérapeutiques ciblent sélectivement différentes sous-populations de prolifération, modifiant ainsi la dynamique évolutive et la résistance adaptative des tumeurs.
Le papier présente Glydentify, une plateforme d'apprentissage profond explicable qui prédit avec précision les substrats donneurs des glycosyltransférases en intégrant des embeddings de séquences protéiques et des caractéristiques chimiques, validant ainsi son efficacité par des essais biochimiques et une analyse d'attention des résidus.
Cet article présente 3D-Manhattan, un outil de visualisation interactif et autonome qui intègre les résultats de multiples études d'association pangénomique (GWAS) dans un système de coordonnées tridimensionnel pour faciliter la comparaison dynamique des signaux génétiques à travers le temps, les traits ou les conditions expérimentales.
Ce papier présente BioOS, un runtime numérique générant le développement végétal émergent par l'exécution d'un réseau de régulation génique sans règles prédéfinies, et démontre sa capacité à simuler avec succès la morphogenèse de la racine d'Arabidopsis thaliana ainsi que d'autres processus physiologiques clés.
Cette étude présente la conception rationnelle et la validation computationnelle de Solres, une nouvelle molécule antibactérienne ciblant les protéines de virulence de *Ralstonia solanacearum* grâce à une approche intégrée combinant intelligence artificielle, chimie quantique et simulations moléculaires pour lutter contre la résistance aux antimicrobiens en agriculture.
Le modèle de diffusion discrète LigandForge révolutionne la conception de peptides en générant des séquences à haute affinité pour 150 cibles réceptrices à une vitesse de plus de 1 000 séquences par seconde sans prédiction de structure, surpassant ainsi les méthodes existantes en termes de débit, de diversité structurale et de capacité à cibler des complexes protéiques complexes.
Ce papier présente RNAElectra, un modèle de fondation pour l'ARN préentraîné selon une approche ELECTRA avec détection de tokens remplacés (RTD) plutôt qu'un masquage classique, ce qui lui permet de surpasser les modèles existants dans la prédiction de diverses régulations et interactions de l'ARN tout en offrant une meilleure interprétabilité.
Le papier présente NYX, un système de compression apprenti et sensible au format qui exploite la structure inhérente des fichiers omiques pour offrir des taux de compression élevés et une vitesse supérieure à celle des compresseurs spécifiques aux formats, tout en garantissant une compression sans perte.