1235 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 METRIN-KG, une base de connaissances qui intègre de manière unifiée les métabolomes, les traits et les interactions biotiques des plantes pour faciliter la recherche et l'analyse en sciences du vivant.
Le cadre d'apprentissage profond TEAMKidney permet une segmentation et une quantification automatisées et précises des ultrastructures rénales sur des images de microscopie électronique à transmission, surmontant les limites des méthodes manuelles actuelles pour améliorer l'analyse en recherche biomédicale et en diagnostic clinique.
Le papier présente PeptideCLM-2, une suite de modèles de langage chimique entraînée sur plus de 100 millions de molécules pour combler le fossé computationnel dans la conception de peptides thérapeutiques et améliorer la prédiction de leurs propriétés de développement.
Cette étude présente un flux de travail guidé par des agents intelligents pour la conception *de novo* de nanocorps contre une nouvelle cible tumorale, permettant d'identifier des binders à haute affinité (nM à sub-nM) sans structure expérimentale préalable ni données antérieures sur les anticorps.
Cette étude propose un cadre de benchmarking incertain pour classifier les ARNm et lncARN, révélant que près de la moitié des transcrits présentent des désaccords entre outils et en identifiant les caractéristiques séquentielles, notamment les répétitions, qui contribuent à cette incertitude.
Le papier présente PathwaySeeker, un système d'IA fondé sur des preuves qui reconstruit et raisonne sur des réseaux métaboliques spécifiques à un organisme en intégrant des données omiques pour distinguer les connaissances expérimentales des hypothèses structurées.
Le papier présente cellNexus, un outil et une ressource complets qui standardisent le contrôle qualité, l'annotation et l'analyse des données du Human Cell Atlas pour en faire des données prêtes à l'analyse, facilitant ainsi la découverte biologique à grande échelle et le développement de modèles fondamentaux.
Cet article présente UDAL, une stratégie d'apprentissage actif combinant incertitude et diversité pour optimiser la sélection des paires TCR-pMHC à valider en laboratoire, réduisant ainsi considérablement les coûts et le temps de développement des thérapies cellulaires tout en maintenant des performances prédictives élevées.
Le papier présente FairTCR, un cadre d'optimisation robuste qui améliore l'équité des prédictions de liaison TCR-pMHC en réduisant significativement les disparités de performance entre les allèles HLA rares et les cohortes sous-représentées, tout en maintenant une précision globale compétitive.
Cet article présente le Recursive Repeat Extender (RRE), une nouvelle approche récursive utilisant des modèles de Markov cachés pour améliorer automatiquement les modèles d'éléments répétitifs générés de novo, permettant ainsi de reconstruire des séquences hautement dégénérées et fragmentées avec une sensibilité supérieure aux méthodes existantes.