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.
Cette étude utilise un ensemble d'apprentissage automatique pour révéler que le stress oxydatif et l'apoptose dans la rétine des souris exposées à l'espace suivent des voies moléculaires distinctes, offrant ainsi un cadre pour développer des biomarqueurs et des thérapies afin de protéger la vision des astronautes.
En introduisant des états latents et une structure imbriquée dans le modèle TKF92, cette étude démontre que les processus de naissance-mort peuvent rivaliser avec des réseaux de neurones massifs pour modéliser l'évolution des protéines, offrant ainsi une approche bien plus parcimonieuse en paramètres et ancrée dans la théorie évolutive.
Le pipeline SCOTCH permet une caractérisation robuste et complète des isoformes d'ARNm à l'échelle d'une seule cellule à partir de données de séquençage long-read, en surclassant les méthodes existantes pour la quantification des isoformes connus et la découverte de nouveaux variants.
Les auteurs présentent un flux de travail intégré exploitant le séquençage ARN à longues lectures pour construire des protéomes spécifiques à l'échantillon et résolus par haplotype, permettant ainsi une caractérisation précise des isoformes protéiques et des variants alléliques inaccessibles aux méthodes traditionnelles.
Le papier présente nVenn2, une nouvelle version de l'algorithme nVenn qui génère des diagrammes de Venn quasi proportionnels plus rapides et plus simples, permettant une visualisation lisible de grands ensembles de données en réduisant la complexité computationnelle à la seule dépendance du nombre de régions non vides.
Cette étude présente un benchmark communautaire de onze modèles génératifs pour la synthèse de données de transcriptomique, révélant des compromis inhérents entre l'utilité biologique, la fidélité des données et la résistance aux attaques de confidentialité qui doivent guider le choix du modèle selon les exigences spécifiques.
Cet article présente Kg4j, un cadre computationnel qui génère des sous-graphes de connaissances localisés à partir d'une base de données à grande échelle pour explorer les liens entre le métabolisme et la santé, démontrant son efficacité dans l'identification de mécanismes plausibles reliant l'exposition aux polluants organiques persistants à l'endométriose tout en intégrant des données expérimentales pour valider et affiner les hypothèses biologiques.
Cette étude utilise l'analyse factorielle multi-omiques (MOFA) sur des données du TCGA pour révéler la structure latente des gliomes, identifiant de nouveaux biomarqueurs pronostiques et des profils transcriptionnels liés au développement du système nerveux afin d'améliorer les stratégies thérapeutiques personnalisées.
Cette étude démontre que les interactions physiques directes entre les lymphocytes T et les macrophages, détectées via des doublets d'ARNseq, influencent la réponse à la chimiothérapie dans le cancer de l'ovaire en polarisant les macrophages vers un phénotype M2 épuisant les lymphocytes T chez les patients résistants, contrairement à un phénotype M1 activateur chez les patients sensibles.
Cette étude formalise la méthodologie scientifique en un protocole exécutable pour les modèles de langage, démontrant que cette approche structurée améliore la rigueur, l'auditabilité et la validité des recherches menées par l'IA sur divers domaines, y compris la génomique des populations.