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.
Le Biodiversity Observatory System (BiOS) est une plateforme logicielle open-source modulaire qui, en respectant les principes FAIR et en séparant la gestion des données de leur visualisation, permet d'intégrer et d'harmoniser des données de biodiversité hétérogènes pour faciliter la recherche et la conservation.
Le papier présente SC-BIG, un modèle bayésien hiérarchique qui améliore la détection des variants nucléotidiques somatiques dans les cellules uniques en exploitant les données de séquençage de masse pour estimer les fractions cellulaires cancéreuses et fournir des probabilités postérieures bien calibrées.
Cette étude présente un benchmark explicatif de 26 méthodes de détection de domaines spatiaux sur un large éventail de données réelles et semi-synthétiques, révélant que la résolution et l'hétérogénéité cellulaire sont des facteurs déterminants de la performance et démontrant que le choix du prétraitement et du clustering influence davantage les résultats que l'innovation architecturale des modèles.
Cet article présente un modèle de langage basé sur BioBERT, intégré à la plateforme CIPHER, qui permet d'identifier automatiquement et avec une grande précision les manuscrits contenant des phénotypes calculables dans la littérature biomédicale, tout en facilitant l'apprentissage continu grâce aux retours des utilisateurs.
En intégrant la lipidomique à grande échelle et les études d'association pangénomique (GWAS) sur 266 accessions de sorgho, cette étude élucide l'architecture génétique complexe de la teneur en huile des grains, identifie 55 loci clés et 27 accessions d'élite pour l'amélioration de la qualité nutritionnelle de cette culture.
Cet article présente ITEC, une méthode entièrement non supervisée permettant de reconstruire avec une haute fidélité les lignées cellulaires complètes et les cartes de destin d'embryons entiers à travers plusieurs espèces, offrant ainsi une plateforme puissante pour l'exploration systématique de la dynamique du développement à l'échelle cellulaire.
Les auteurs présentent scPloidyR, un modèle statistique qui améliore considérablement la détection des variations du nombre de copies dans les cellules uniques à partir de panels de séquençage ciblés en intégrant conjointement la profondeur de lecture et la fréquence allélique B, surpassant les méthodes existantes lorsque des informations alléliques sont disponibles.
Le package R SpotGraphs propose une approche flexible et directe pour l'analyse des données de transcriptomique spatiale en permettant aux utilisateurs d'interagir avec les graphes d'adjacence via l'infrastructure igraph, offrant ainsi des outils avancés pour le filtrage, l'édition des connexions et l'identification de régions d'intérêt, avec des performances comparables à l'outil Python SquidPy.
Les auteurs proposent une nouvelle représentation des peptides basée sur leurs structures chimiques bidimensionnelles, permettant aux modèles d'apprentissage automatique de dépasser l'alphabet standard des vingt acides aminés pour mieux prédire les interactions biologiques et généraliser aux modifications post-traductionnelles.
L'article présente UniST, un cadre d'intelligence artificielle générative unifié capable de reconstruire des paysages de transcriptomique spatiale 3D denses et continus à partir de sections sérielles éparses et hétérogènes, en intégrant des modules d'augmentation de nuages de points, d'interpolation par flux optique et d'imputation d'expression génique pour restaurer l'architecture tissulaire et les motifs biologiques significatifs.