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.
Cet article propose la première définition formelle de contigs pour les graphes de Bruijn d'ordre variable (voDBG), introduisant les « (ℓ, h)-tigs » et un algorithme efficace qui améliore la continuité de l'assemblage génomique sur des données PacBio HiFi tout en restant plus léger que les assembleurs complets.
Le papier présente Nerpa 2, un cadre probabiliste basé sur des modèles de Markov cachés qui améliore la précision et l'évolutivité de l'association des clusters de gènes biosynthétiques aux structures chimiques des peptides non ribosomaux, surpassant les méthodes existantes pour la découverte de nouveaux produits naturels.
Ce papier présente ATOMICA, un modèle d'apprentissage profond géométrique capable d'acquérir des représentations universelles des interfaces intermoléculaires à travers cinq modalités biologiques, surpassant les méthodes existantes sur plusieurs tâches de prédiction et permettant d'identifier expérimentalement de nouveaux ligands pour des protéines au fonction inconnue.
En combinant les bases de données AlphaFold et ESMatlas pour créer l'ensemble de données AFESM de 820 millions de structures, cette étude révèle une diversité structurelle inédite, notamment 12 nouveaux repliements de domaines et 11 941 combinaisons jamais observées, soulignant l'importance cruciale des données métagénomiques et de la qualité des prédictions pour explorer l'univers des protéines.
Cette étude révèle que l'échappement à la dégradation des ARNm sans sens (NMD) via la polyadénylation intronique alternative est un mécanisme de régulation post-transcriptionnelle répandu et sous-estimé, permettant à certains gènes de produire des isoformes stables en éliminant les jonctions exon-exon situées en aval des codons stop prématurés.
MetaXtract est un outil open-source qui extrait les métadonnées d'acquisition directement à partir des fichiers bruts Thermo Fisher pour les convertir en formats structurés, facilitant ainsi les pratiques FAIR, l'optimisation des flux de travail et le contrôle qualité en temps réel dans la spectrométrie de masse.
Cette étude présente XAMP, un cadre dual basé sur ESM-2 et les Transformers pour découvrir de nouveaux peptides antimicrobiens dans les microbiomes des profondeurs marines, validant expérimentalement leur efficacité contre des pathogènes multirésistants.
Le papier présente ARCADIA, un cadre génératif innovant qui intègre les données de séquençage ARN à l'échelle cellulaire et de protéomique spatiale sans appariement de codes-barres ni correspondance directe des caractéristiques, révélant ainsi comment les niches micro-environnementales façonnent les programmes transcriptionnels dans les tissus.
RingNet est une plateforme interactive web qui permet aux experts du domaine de visualiser et d'explorer facilement des réseaux multi-omiques complexes sans compétences en programmation, facilitant ainsi la découverte biologique et la production de figures publiables.
Le papier présente Neretva, un cadre open source basé sur l'inférence variationnelle auto-encodeuse neuronale qui surpasse les méthodes actuelles en termes d'évolutivité et de précision pour le génotypage et le phasage de gènes hautement polymorphes tels que CYP et KIR.