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 l'extension de l'algorithme SpatialLeiden pour permettre le regroupement spatial à l'échelle d'un atlas de données omiques multimodales, tridimensionnelles et multi-échantillons, offrant une reconstruction cohérente et évolutive compatible avec l'écosystème scverse.
HMM-Flagger est un outil de référence libre qui utilise un modèle de Markov caché pour détecter les erreurs structurelles dans les assemblages de génomes haplotype-résolus, démontrant son efficacité pour identifier des anomalies dans les données HiFi et Nanopore ainsi que pour valider les améliorations des assemblages du Consortium de référence du pangenome humain.
L'article présente TreeMS2, un outil informatique évolutif et indépendant de l'annotation qui permet de reconstruire des phylogénies moléculaires à partir de données de spectrométrie de masse en tandem (MS/MS) brutes, offrant ainsi une nouvelle perspective sur les relations évolutives basée sur le phénotype moléculaire.
Cet article présente STEQ, une nouvelle méthode rapide et statistiquement cohérente basée sur les distances de quarts pour l'estimation d'arbres d'espèces à grande échelle, offrant une complexité temporelle inférieure à celle des méthodes de référence comme ASTRAL tout en maintenant une précision compétitive.
Cette étude présente une méthode rapide et sans marquage combinant la spectroscopie vibratoire (ATR-FTIR et Raman) et l'apprentissage profond pour quantifier avec précision la distribution des longueurs de fragments d'ADN, offrant une alternative évolutive aux techniques conventionnelles grâce à de faibles besoins en échantillon et à la récupération complète de l'ADN.
Le cadre d'intelligence artificielle explicable APEX permet la découverte de cibles pathogènes à l'échelle du protéome et la conception moléculaire guidée en identifiant des sites de liaison critiques et en générant des inhibiteurs pour lutter contre la résistance aux fongicides et aux antibiotiques.
Le papier présente scDynOmics, un modèle transformateur optimisé et pré-entraîné sur des données multi-omiques appariées qui, grâce à un mécanisme d'attention Linformer et une adaptation à faible rang, permet une représentation efficace, interprétable et évolutive des états cellulaires et de leurs dynamiques développementales.
Cette étude démontre, grâce à une approche combinant la pharmacologie des réseaux et des validations expérimentales sur des rats, que le Panax notoginseng accélère la cicatrisation des plaies cutanées en régulant de manière synergique les voies de signalisation clés et l'équilibre des cytokines inflammatoires.
Le papier présente SpatialCompassV (SCOMV), un outil computationnel qui permet la classification non supervisée des cellules et gènes selon leurs motifs spatiaux et l'identification de gènes différentiels spatiaux en quantifiant leurs positions vectorielles par rapport à des régions d'intérêt, sans dépendre de connaissances biologiques préalables.
Cette étude démontre que, grâce aux récentes améliorations de la précision, le séquençage par nanopores permet désormais de générer directement des variants de séquence d'amplicons (ASV) fiables à partir de lectures brutes pour des amplicons de 250 à 4 200 pb, offrant ainsi une résolution précise des communautés microbiennes complexes sans dépendre de bases de données de référence.