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.
Ce papier présente des accélérations combinant OpenFold, TensorRT et MMseqs2-GPU qui permettent une prédiction de structure protéique à haut débit, jusqu'à 131 fois plus rapide qu'AlphaFold2, sur des architectures allant des serveurs x86 aux superpuces ARM, sans compromettre la précision.
Cette étude démontre que la résistance du moustique *Aedes aegypti* aux pyréthrinoïdes (perméthrine et lambda-cyhalothrine) repose sur des mécanismes transcriptomiques distincts et dépendants de la concentration, impliquant des adaptations métaboliques et structurelles spécifiques qui dépassent les mutations classiques de résistance.
Le papier présente stMCP, un cadre basé sur le protocole de contexte de modèle (MCP) qui permet aux biologistes d'analyser des données de transcriptomique spatiale via le langage naturel en exécutant localement les outils d'analyse pour garantir la confidentialité des données, réduire les coûts et améliorer la reproductibilité sans remplacer les bioinformaticiens.
Cet article présente MOPP, un pipeline de traitement multi-omiques qui améliore considérablement la précision des assignations taxonomiques et fonctionnelles dans les données de métabaribosome profiling (metaRibo-Seq) en filtrant les références génomiques grâce à la couverture métagénomique, réduisant ainsi drastiquement les faux positifs tout en conservant la majorité des lectures alignées.
Cette étude utilise le séquençage d'ARN à longues lectures pour cartographier l'isoforme complète de l'adénocarcinome ovarien, révélant des mécanismes de régulation post-transcriptionnelle et des signatures cliniques spécifiques qui échappent aux analyses conventionnelles à lectures courtes.
Le papier présente DisGeneFormer, une nouvelle méthode de priorisation des gènes de maladies qui intègre des mécanismes d'attention graphique locale et globale via un transformateur pour générer des listes de candidats cliniquement plus précises et surpasser les approches existantes.
ProteinMCP est un cadre d'IA agentique qui démocratise et accélère l'ingénierie des protéines en automatisant les tâches scientifiques de bout en bout grâce à un écosystème unifié de 38 outils interopérables, permettant ainsi de concevoir et de sélectionner des protéines thérapeutiques avec une efficacité inédite.
Cette étude révèle que le liaison hors cible des sondes compromet la précision du profilage spatial par la technologie Xenium de 10x Genomics, et propose l'outil logiciel OPT pour détecter ces erreurs et améliorer l'interprétabilité biologique des données.
Cette étude présente ANNEXA, une mise à jour d'un pipeline Nextflow open-source qui intègre des outils de reconstruction de transcriptome, des modèles d'apprentissage profond et des critères de filtrage rigoureux pour améliorer l'annotation génomique et le contrôle qualité à partir de données de séquençage ARN à longues lectures, comme démontré par son application réussie à l'identification de gènes et d'isoformes novateurs dans des lignées cellulaires cancéreuses humaines et canines.
Cette étude démontre que, bien que les méthodes d'apprentissage profond récentes parviennent à prédire certaines structures d'ARN, leur efficacité reste limitée aux motifs connus, leur incapacité à généraliser à de nouveaux repliements et l'imprécision de leurs estimations de fiabilité empêchant une identification fiable des modèles corrects.