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 CodonRL, un cadre d'apprentissage par renforcement guidé par démonstration qui optimise efficacement les séquences de codons pour améliorer l'efficacité de traduction et la stabilité structurelle de l'ARNm, surpassant les méthodes de l'état de l'art sur plusieurs métriques clés.
Cette étude présente un modèle informatique basé sur cinq caractéristiques, notamment la conservation évolutive et la distance atomique, qui prédit avec une bonne précision le phénotype de résistance à la bédaquiline associé aux variants de Rv0678 chez *Mycobacterium tuberculosis*, offrant ainsi un outil potentiel pour améliorer la prise en charge clinique de la tuberculose résistante à la rifampicine.
L'article présente Theseus, un algorithme novateur qui réalise des alignements optimaux de séquences à graphe avec des gaps affines en offrant une vitesse et une efficacité mémoire supérieures aux méthodes existantes, tout en garantissant l'optimalité du résultat.
GeneReL est une plateforme intégrée combinant l'extraction de données par des modèles de langage de grande taille (LLM) et une curation communautaire pour identifier et valider les réseaux de régulation génique chez *Arabidopsis thaliana*.
Cette étude démontre que la fumée de cigarette favorise le cancer colorectal en provoquant une dysbiose du microbiote intestinal, une altération des métabolites et la suppression de gènes suppresseurs de tumeurs, notamment *CPT2*.
Cette étude propose une nouvelle méthode de priorisation des variantes génétiques pour le diagnostic des maladies rares en utilisant un algorithme de réseau qui analyse les voisinages fonctionnels des gènes connus afin de prédire de nouvelles associations gène-maladie de manière globale.
Cette étude propose que certains points de frustration locale dans les protéines agissent comme des « contraintes architecturales » (spandrels), émergeant de lois physiques plutôt que d'une sélection directe, avant d'être cooptés par l'évolution pour remplir des fonctions spécifiques.
Cette étude présente une stratégie analytique basée sur la LC-HRMS et un flux de travail sous R pour identifier de manière indépendante de la culture une grande diversité de sidérophores au sein du microbiome de trois espèces d'éponges marines.
Cette étude démontre que les ondelettes de type Haar permettent de sparsifier efficacement les matrices de covariance phylogénétique des arbres de type « beta-splitting », offrant ainsi une mesure de la -diversité capable d'identifier de manière significative les clades responsables des différences de composition microbienne.
CoPrimeEEG est un cadre de reconstruction neuronale qui utilise l'échantillonnage sous-Nyquist co-premier et un objectif d'apprentissage guidé par le théorème des restes chinois (CRT) pour reconstruire des signaux EEG haute fidélité à partir de flux de données à faible débit.