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.
Le papier présente keju, un modèle statistique hiérarchique qui améliore considérablement la sensibilité et le contrôle des faux positifs dans l'inférence des données d'assais de rapporteurs massivement parallèles (MPRA) en modélisant spécifiquement les incertitudes liées aux lectures d'ARN et aux lots expérimentaux.
Cette étude de benchmarking évalue diverses approches de criblage de caractéristiques basées sur le principe du « sure screening » pour l'analyse de données omiques, démontrant que la méthode BcorSIS surpasse les autres en termes d'efficacité et de rapidité pour identifier des biomolécules prédictives dans des contextes de classification à haute dimension.
Le papier présente GeCCo, une nouvelle méthode mathématique qui construit l'identité des cellules à partir de programmes génétiques hiérarchisés pour garantir une cohérence hiérarchique rigoureuse dans l'identification des types cellulaires au sein de la transcriptomique à cellule unique.
Les auteurs proposent bionSBM, une méthode de modélisation par sujets basée sur des graphes qui intègre des données multi-omiques à l'échelle cellulaire pour obtenir un regroupement précis et biologiquement interprétable, surpassant les méthodes actuelles.
L'article présente ITSxRust, un outil d'extraction des régions ITS en Rust optimisé pour le séquençage long-read, qui surpasse les méthodes existantes en vitesse et en précision grâce à une récupération de chaînes partielles et des diagnostics structurés.
Le papier présente POTTR, un algorithme combinatoire basé sur les ensembles partiellement ordonnés incomplets qui résout le problème NP-difficile de l'identification des trajectoires de mutations récurrentes dans des données phylogénétiques incertaines, permettant ainsi de découvrir des voies évolutives et développementales significatives dans des contextes tels que le cancer et l'embryogenèse.
Cet article présente MaxGeomHash, un nouvel algorithme de hachage géométrique qui génère des échantillons aléatoires de taille variable et sous-linéaire pour des k-mers biologiques, offrant un compromis optimal entre efficacité de stockage et précision des estimations de similarité par rapport aux méthodes MinHash et FracMinHash existantes.
Le papier présente PMGen, un cadre intégré qui améliore la prédiction de la structure des complexes peptide-CMH de classe I et II grâce à des stratégies d'AlphaFold2, permettant ainsi la conception de peptides guidée par la structure et la génération de données de haute qualité pour l'apprentissage automatique en immunologie.
Le papier présente PaNDA, un nouveau logiciel et une interface graphique qui introduisent un algorithme polynomial pour maximiser la diversité phylogénétique dans les réseaux phylogénétiques à scanwidth borné, tout en étendant la définition de cette diversité aux réseaux semi-orientés.
Cette étude démontre que la modélisation des rapports logaritmiques entre protéines, plutôt que de leurs abondances absolues, améliore considérablement la prédiction des maladies humaines en capturant plus fidèlement les contraintes biochimiques sous-jacentes, comme le prouvent les gains de performance observés sur des cohortes d'Alzheimer et de la UK Biobank.