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.
Cet article présente un cadre d'apprentissage de représentations profondes qui combine des méthodes de correction transcriptomique et des modèles fondationnels pour aligner efficacement les données multi-modales de transcriptomique spatiale à travers différents échantillons et cohortes, surpassant ainsi les approches de correction de lot conventionnelles.
Cette étude démontre que, bien que les méthodes de prédiction de structure par IA comme AlphaFold3 génèrent des complexes anticorps-antigène géométriquement plausibles, leurs scores de confiance internes échouent à distinguer les interactions cognitives des appariements incorrects, soulignant la nécessité de valider ces outils contre des contrôles négatifs réalistes.
Cette étude démontre que l'entraînement d'autoencodeurs parcimonieux sur les représentations cachées de modèles fondationnels du single-cell révèle des caractéristiques biologiques et techniques interprétables, permettant ainsi d'améliorer l'interprétabilité et le contrôle de ces modèles.
Le papier présente AlterNet, un pipeline d'inférence de réseaux de régulation génique innovant qui intègre la variabilité des isoforms due à l'épissage alternatif pour révéler des interactions régulatrices biologiquement pertinentes invisibles aux approches traditionnelles au niveau des gènes.
Cette étude présente ETSAM, une méthode d'intelligence artificielle basée sur le modèle SAM2 qui surpasse les techniques existantes pour segmenter avec précision les membranes cellulaires dans les tomogrammes cryo-électroniques malgré le faible rapport signal sur bruit et les artefacts inhérents.
Cet article propose le Synergistic Information Score (SIS) pour démontrer que la construction de modèles de base cellulaires multimodaux efficaces nécessite de dépasser les simples objectifs d'alignement linéaire au profit d'une intégration synergique qui exploite les informations complémentaires non linéaires entre les modalités.
Cette étude présente une généralisation thermodynamique du modèle de réseau gaussien basée sur les arbres couvrants, révélant que l'activation de KRAS est un processus piloté par l'entropie où le gain de diversité topologique compense un coût énergétique, Switch I agissant comme le locus allostérique principal.
Le papier présente Graph Lens Lite, un outil web interactif conçu pour visualiser, explorer et partager des réseaux biologiques complexes afin d'étudier la pathobiologie des maladies et les mécanismes d'action des médicaments.
ToxiVerse est une plateforme web publique qui facilite le partage de données de toxicité chimique et la création de modèles prédictifs personnalisés grâce à des modules intégrés de bioprofilage, de base de données et de chimi-informatique, rendant ces outils accessibles aux chercheurs sans expertise en programmation.
Cette étude présente une évaluation approfondie des méthodes de conception de peptides *de novo* ciblant les récepteurs couplés aux protéines G (GPCR) par apprentissage profond, révélant que bien que les méthodes génératives échantillonnent correctement l'espace structural, les pipelines actuels souffrent d'une surestimation de la confiance et d'un problème de score non résolu qui limite leur succès expérimental.