1246 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.
En analysant des sites de liaison in vivo, cette étude révèle que des séquences flanquantes étendues de 1000 à 1500 pb présentent un enrichissement significatif en GC et des altérations directionnelles des fréquences de dinucléotides, suggérant un mécanisme de « balayage » grossier facilitant la recherche des cibles par les facteurs de transcription.
Le papier présente GREmLN, un modèle fondamental d'apprentissage profond qui intègre la structure des graphes de régulation génique directement dans son mécanisme d'attention pour capturer les dépendances régulatrices à longue portée dans les données de transcriptomique à cellule unique, surpassant ainsi les modèles de référence existants sur diverses tâches biologiques.
Le papier présente Sassy, une bibliothèque et un outil utilisant les instructions SIMD et des vecteurs de bits pour effectuer une recherche de motifs ADN avec erreurs de manière exhaustive et jusqu'à 15 fois plus rapide que les méthodes existantes, ce qui la rend particulièrement adaptée à des applications comme la détection d'effets hors cible CRISPR.
Cette étude présente un cadre itératif stochastique exploitant le MSA-Transformer pour générer des protéines hybrides fonctionnelles entre deux séquences homologues, en combinant des techniques de masquage intelligent, de recherche par faisceau et d'analyse structurelle pour explorer de manière plausible l'espace des séquences tout en préservant les motifs catalytiques essentiels.
Cet article présente GNExT, une plateforme web open-source qui comble le fossé entre les études d'association pangénomique (GWAS) et la médecine des réseaux en intégrant des outils d'analyse comme MAGMA et Drugst.One pour transformer les signaux génétiques isolés en modules biologiques cohérents, facilitant ainsi la découverte de mécanismes de maladies et le repositionnement de médicaments à grande échelle.
Le papier présente PertFlow, un cadre computationnel unifié basé sur le flux rectifié capable de prédire simultanément les profils d'expression génique et de générer des images morphologiques cellulaires en réponse à des perturbations médicamenteuses, comblant ainsi une lacune majeure dans la modélisation conjointe des réponses transcriptomiques et phénotypiques.
Ce papier présente scProfiterole, un cadre de calcul innovant utilisant l'apprentissage contrastif sur graphes et des filtres spectraux approximés par interpolation polynomiale pour améliorer le regroupement et l'identification des types cellulaires dans les données de protéomique monocellulaire, qui sont souvent affectées par des données manquantes et du bruit.
SpatioCAD est un cadre computationnel novateur qui utilise un modèle de diffusion graphique conscient du contexte pour identifier avec précision les gènes variables spatialement dans les tissus hétérogènes en éliminant les biais liés aux variations de densité cellulaire.
AQuA2-Cloud est une plateforme web évolutive et accessible qui permet l'analyse précise de l'activité biofluorescente dans le cloud, éliminant ainsi la nécessité d'une licence MATLAB et facilitant le traitement de grands jeux de données d'imagerie biologique pour les chercheurs.
CAPRINI-M est un outil web qui présente un atlas curé par l'IA des interactions protéiques cardiaques chez la souris, enrichi par des données structurales et thermodynamiques dérivées de l'analyse de milliers d'articles scientifiques et de prédictions par AlphaFold3.