1076 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 CellSweep, un outil efficace et performant conçu pour éliminer les contaminations ambiantes et globales dans les données de génomique à cellule unique, surpassant ainsi les méthodes existantes pour garantir des analyses plus fiables.
Cette étude propose une méthode d'analyse phylogénomique utilisant des tailles de fenêtres variables via une stratégie de division et de fusion pour mieux capturer la variation des taux de recombinaison, surpassant ainsi les approches à fenêtre fixe sur des données simulées et appliquées aux genomes de papillons Heliconius et de grands singes.
Cet article présente SLiMMine, une méthode basée sur l'apprentissage profond qui améliore la prédiction fiable des motifs linéaires courts (SLiMs) dans le protéome humain en réduisant considérablement les faux positifs et en facilitant la découverte de nouvelles interactions protéiques.
Ce papier présente le modèle LSD, un cadre thermodynamique inspiré qui utilise des équations différentielles ordinaires neuronales pour reconstruire les trajectoires de différenciation cellulaire dans un espace latent, permettant ainsi de prédire les destins cellulaires et de quantifier la plasticité avec une précision supérieure aux méthodes existantes.
Les auteurs présentent une implémentation GPU de kallisto pour la quantification des transcrits en RNA-seq, qui, grâce à une refonte algorithmique adaptée au parallélisme massif, offre un gain de vitesse de 30 à 50 fois par rapport à la version CPU multithreadée, permettant l'analyse de grands ensembles de données en quelques secondes.
Cette étude démontre que les stratégies avancées de rescoring harmonisent les résultats d'identification des peptides entre différents moteurs de recherche et jeux de données, améliorant ainsi la robustesse et la comparabilité des analyses protéomiques tout en soulignant l'importance d'une sélection rigoureuse des caractéristiques et de la base de données pour garantir un contrôle fiable du taux de fausses découvertes.
Cette étude bioinformatique intégrative identifie des signatures moléculaires communes, notamment le gène hub TTR, des voies de signalisation immunitaire et des régulateurs spécifiques, qui éclairent les liens mécanistiques entre les troubles psychiatriques et le trouble de l'usage de l'alcool, offrant ainsi de nouvelles cibles potentielles pour le diagnostic et le traitement.
Cette étude présente un cadre de preuve de concept utilisant des modèles de fondation à l'échelle cellulaire et un vaste ensemble de données Perturb-seq pour prioriser des cibles génétiques capables de réverser les phénotypes inflammatoires vers un état sain, démontrant que l'inclusion de conditions de stimulation pro-inflammatoires améliore considérablement l'identification de régulateurs biologiquement pertinents.
GWASPoker est un outil en Python qui permet de trier et d'analyser efficacement les fichiers de statistiques sommaires du GWAS Catalog pour le calcul des scores de risque polygénique, en évitant le téléchargement complet des données grâce à une détection partielle des en-têtes.
CLAMP est une nouvelle méthode d'analyse à variables latentes qui surpasse l'approche PLIER en termes de vitesse et d'évolutivité grâce à une conception algorithmique optimisée et à la gestion de données sur disque, tout en intégrant des connaissances biologiques pour l'analyse de vastes compendiums transcriptomiques.