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 papier présente scExploreR, une application R Shiny flexible qui permet aux chercheurs sans compétences en programmation d'analyser et de visualiser des données de séquençage cellulaire unique multimodales, comblant ainsi le fossé entre les biologistes et les informaticiens.
Cette étude de multi-omiques révèle que l'activité physique régulière améliore la santé métabolique et immunitaire en favorisant l'oxydation des acides gras et en pré-activant épigénétiquement les programmes d'antigénicité et cytotoxiques des cellules immunitaires, tout en atténuant les signaux inflammatoires.
Cet article présente DABEST 2.0, un cadre d'estimation statistique conçu pour dépasser les limites des tests d'hypothèses nulle en offrant une quantification des effets pour des designs expérimentaux complexes, tels que les comparaisons multi-groupes, les mesures répétées et les méta-analyses.
Le papier présente EpiExpr, un cadre d'apprentissage profond flexible qui prédit l'expression génique en intégrant des données épigénétiques 1D et des interactions chromatiniques 3D pour capturer les effets régulateurs locaux et à longue distance, offrant ainsi une alternative efficace aux modèles basés sur la séquence d'ADN.
Cet article propose un cadre d'apprentissage conjoint basé sur la factorisation de tenseurs couplés et l'intégration d'informations auxiliaires pour prédire simultanément les combinaisons de médicaments efficaces et leurs interactions, démontrant une performance supérieure, notamment dans le contexte de la prédiction pour de nouveaux médicaments.
Le cadre d'apprentissage automatique QuantCell améliore l'annotation des cellules dans les tissus complexes en intégrant des profils d'imagerie quantitatifs et qualitatifs, permettant d'augmenter considérablement le taux de cellules annotées avec une grande précision et une détection robuste des populations rares.
Cette étude de transcriptomique à cellule unique révèle que les podocytes de la zone juxta-médullaire et du cortex externe présentent des réponses moléculaires distinctes à la lésion, où l'activation de la voie p53 favorise la sénescence et aggrave la glomérulosclérose focale segmentaire.
Le modèle t2pmhc, une architecture de réseau de neurones à base de graphes exploitant les structures 3D prédites des complexes TCR-pMHC, surpasse les méthodes séquentielles existantes en améliorant la généralisation aux peptides non vus et en identifiant des motifs d'attention biologiquement pertinents pour la conception de vaccins et d'immunothérapies.
Le papier présente miREA, un outil d'analyse d'enrichissement basé sur les réseaux qui exploite les interactions miRNA-gène pour améliorer la sensibilité et l'interprétabilité biologique de la fonction des miRNA au niveau des voies de signalisation, surpassant ainsi les méthodes traditionnelles centrées sur les nœuds.
Ce papier présente RigidSSL, un cadre d'apprentissage auto-supervisé géométrique qui intègre la rigidité et les dynamiques conformationnelles pour améliorer significativement la conception de protéines et la modélisation de leurs ensembles conformationnels.