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 présente PROPTIMUS RAPHAN, une méthode rapide et évolutive qui optimise la qualité locale des structures protéiques en traitant des sous-structures résiduelles de manière itérative, offrant ainsi une alternative efficace aux approches traditionnelles avec des temps de calcul réduits.
Ce papier présente ARIES, un nouvel algorithme rapide et précis qui construit des alignements de séquences multiples en exploitant les embeddings de modèles de langage protéiques pour surpasser les méthodes traditionnelles, notamment dans les régimes de faible identité de séquence.
L'article présente scprocess, un pipeline Snakemake conçu pour automatiser, intégrer et visualiser de manière reproductible le traitement de données d'ARN-seq single-cell à l'échelle de l'atlas, en particulier celles générées par la technologie 10x Genomics.
Cette étude établit une ressource d'annotation standardisée basée sur l'expression pour identifier et quantifier systématiquement les petits ARN de vault (svtRNAs) dans les cellules humaines, révélant qu'ils constituent un composant abondant et reproductible du paysage des petits ARN avec des propriétés régulatrices potentielles.
Cette étude présente FIFA, un nouveau modèle de machine learning explicable basé sur le boosting (EBM) qui améliore de manière significative le filtrage des artefacts de séquençage induits par la fixation formol-paraffine (FFPE) en exploitant le contexte local des variants, offrant ainsi un outil efficace et adaptable pour la recherche génomique rétrospective sur des échantillons archivés.
Le papier présente EnsAgent, un système multi-agents basé sur un ensemble d'outils et un flux de travail de consultation-révision qui améliore la robustesse, la précision et l'interprétabilité de l'annotation automatique dans la transcriptomique spatiale en découplant le partitionnement structurel du marquage sémantique.
Le Descriptron-GBIF Annotator est une plateforme web sans installation qui mobilise la science citoyenne et l'IA pour annoter morphologiquement des images de biodiversité issues du GBIF, générant des données structurées et citables afin de combler le déficit d'annotations morphologiques et d'accélérer la description taxonomique.
STEVE est un cadre quantitatif unifié conçu pour évaluer la précision, la robustesse et la reproductibilité de l'annotation des types cellulaires dans les études de transcriptomique à cellule unique, en intégrant des modules d'évaluation par sous-échantillonnage, de détection de nouveaux types cellulaires et de comparaison d'outils.
Cette étude présente une analyse intégrative multi-cohortes de 1 068 échantillons cardiaques qui définit une signature transcriptionnelle immuno-fibreuse reproductible dans les cardiomyopathies humaines, identifie HMOX2 et la ferroptose comme mécanismes pathogènes centraux, et propose un panel de neuf gènes biomarqueurs validé pour le diagnostic précoce.
Le papier présente MOSAICField, un cadre unifié basé sur un réseau de neurones profond qui aligne et intègre des coupes tissulaires spatiales multimodales pour reconstruire des modèles 3D précis et cartographier les structures morphologiques complexes, surpassant ainsi les méthodes existantes.