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.
Le consortium NIH MorPhiC a développé STAR Suite, une modernisation de l'aligneur STAR intégrant directement les fonctionnalités de traitement dans son code source C++ via une collaboration humain-IA, afin d'éliminer les goulots d'étranglement liés aux fichiers intermédiaires et d'offrir une solution de transcriptomique haute performance et sans dépendances supplémentaires.
Cette étude démontre que l'utilisation d'une approche par ensemble de modèles de prédiction génomique améliore la précision de la prédiction des dates de floraison chez le maïs en combinant les forces complémentaires de modèles individuels, offrant ainsi une méthode plus robuste pour l'amélioration des cultures.
Le papier présente ChatSpatial, une plateforme orchestrée par des agents et fondée sur le protocole MCP qui unifie plus de 60 méthodes d'analyse de transcriptomique spatiale à travers les écosystèmes Python et R, garantissant une reproductibilité quasi déterministe grâce à l'utilisation de schémas pré-validés plutôt que de la génération de code libre.
Le papier présente singIST, une bibliothèque R/Bioconductor et un tableau de bord interactif conçus pour automatiser la comparaison quantitative et interprétable des données de transcriptomique en cellule unique entre des modèles de maladies précliniques et des références humaines, facilitant ainsi l'évaluation de la pertinence translationnelle des modèles.
Cette étude présente un système in vitro novateur utilisant des cellules épithéliales des voies aériennes humaines et le séquençage du génome entier pour identifier une signature mutationnelle spécifique induite par l'exposition au N-nitrosotris-(2-chloroéthyl) urée (NTCU), un carcinogène associé au cancer du poumon, tout en révélant l'absence de motif distinct pour le NNK.
Cette étude présente un benchmark systématique des méthodes de déconvolution de l'ARN cellulaire libre plasmatique, démontrant que l'inférence de l'origine tissulaire est robuste alors que celle de l'origine cellulaire reste plus variable et dépendante du choix de la méthode et des références utilisées.
Cet article présente un cadre d'apprentissage de Hamiltonien quantique basé sur des données de mesure résolues dans le temps, appliqué à l'inférence efficace des réseaux de régulation génique via un modèle quantique (QHGM) qui offre des garanties théoriques de récupération et des résultats prometteurs sur des données de séquençage ARN unicellulaire du glioblastome.
Cet article présente Fractal, un écosystème composé d'une spécification de tâches et d'une plateforme conçus pour permettre des workflows d'analyse d'images biologiques évolutifs, reproductibles et natifs du format OME-Zarr à l'échelle du téraoctet.
Cet article présente GDAS, une nouvelle plateforme logicielle à haut débit qui optimise l'identification des glycoformes associées aux maladies en combinant un criblage rapide, des analyses ciblées et des méthodes d'apprentissage automatique, comme démontré par sa validation sur des données de la maladie d'Alzheimer.
Cette étude démontre que l'application de stratégies de filtrage automatisé combinées à une normalisation intégrant l'information des transcrits linéaires améliore significativement la sensibilité et la reproductibilité de l'analyse de l'expression différentielle des ARN circulaires, offrant ainsi un cadre standardisé pour la découverte de biomarqueurs.