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.
Cet article démontre que le score de somme de paires, largement utilisé, échoue souvent à identifier les alignements de séquences multiples les plus précis et propose un cadre de notation basé sur l'apprentissage profond, spécifiquement le Modèle 2, qui classe efficacement les alignements alternatifs afin d'améliorer la reconstruction phylogénétique en aval.
LongPolyASE est un cadre complet de bout en bout conçu pour permettre l'analyse des gènes et des isoformes spécifiques aux allèles chez les polyploïdes à l'aide de données de séquençage d'ARN à lectures longues, comblant le manque actuel d'outils spécialisés pour ces organismes grâce à ses composants intégrés pour l'identification de gènes synténiques, la quantification des transcrits et l'analyse de l'expression différentielle.
Cette étude démontre que les données de séquençage d'ARN enrichies en poly(A) ne sont pas adaptées pour une détection fiable des circARN en raison de taux élevés de faux positifs et de désaccords entre les outils, établissant que le séquençage de l'ARN total avec une déplétion efficace de l'ARN ribosomal est la norme nécessaire pour un profilage précis des circARN.
RareCapsNet est un cadre de réseau de capsules explicable qui identifie de manière robuste les populations cellulaires rares et leurs signatures transcriptomiques dans les données de séquençage d'ARN sur cellule unique à grande échelle, surpassant les méthodes de pointe tout en permettant le transfert de connaissances entre différents lots expérimentaux.
Le papier introduit GCP-VQVAE, un tokenizer géométriquement complet et SE(3)-équivariant qui convertit les squelettes de protéines en un vocabulaire discret de 4 096 jetons tout en préservant la chiralité et l'orientation, atteignant une précision de reconstruction de pointe, une généralisation zero-shot robuste et des vitesses d'inférence nettement plus rapides par rapport aux méthodes précédentes.
Cette étude révèle que si le modèle AlphaGenome prédit efficacement la variation de l'accessibilité de la chromatine en capturant la grammaire régulatrice locale, il est nettement moins performant pour prédire la variation de l'expression génique en raison de la difficulté de modéliser l'intégration régulatrice à longue distance requise pour les différences interindividuelles.
MLMarker est un cadre d'apprentissage automatique interprétable qui utilise un modèle de forêt aléatoire entraîné sur des tissus sains pour calculer des scores de similitude continus et identifier l'origine tissulaire dans des données protéomiques complexes, incluant des échantillons de biofluides parsemés et des tumeurs métastatiques.
PHoNUPS est un outil logiciel gratuit et open-source basé sur R, conçu pour standardiser l'analyse et la visualisation des données de vésicules extracellulaires multi-instruments en unifiant divers formats de fichiers en statistiques, histogrammes et tracés de contours prêts pour la publication afin d'améliorer la reproductibilité et le respect des normes de rapport MISEV.
Cet article introduit un réseau de neurones sur graphes hybride quantique-classique qui intègre des simulations de dynamique moléculaire à court terme et des circuits quantiques variationnels pour améliorer significativement la précision et l'efficacité des paramètres de la prédiction des taux de dissociation protéine-ligand pour la conception de médicaments.
BiomarkerKB est une base de connaissances complète et conforme aux principes FAIR, ainsi qu'une plateforme basée sur les graphes, qui harmonise plus de 200 000 associations biomarqueur-maladie provenant de sources diverses dans un cadre standardisé afin de permettre une exploration et une découverte reproductibles en médecine de précision.