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.
DPGT est un outil de détection conjointe de variants basé sur Apache Spark, conçu pour offrir une solution rapide, évolutive et précise aux défis computationnels du séquençage à grande échelle de cohortes importantes.
Le papier présente ProtNHF, un modèle génératif basé sur des flots hamiltoniens neuronaux qui permet un contrôle continu et programmable des propriétés des séquences protéiques au moment de l'inférence via des fonctions de biais analytiques, sans nécessiter de réentraînement du modèle.
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 passe en revue l'application des autoencodeurs clairsemés aux modèles de base biologiques pour révéler leurs représentations interprétables, tout en soulignant la nécessité de valider ces découvertes par des expériences biologiques plutôt que par des annotations existantes pour éviter la circularité et prouver l'apprentissage de mécanismes réels.
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.
Cette étude présente une caractérisation temporelle complète de la Gene Ontology sur 21 ans, révélant une croissance soutenue et une réorganisation structurelle qui ont culminé vers 2017 par une phase de maturation et de stabilité accrue, offrant ainsi un cadre de référence essentiel pour la reproductibilité des analyses fonctionnelles.
Cette étude valide l'efficacité d'une stratégie de criblage virtuel intégrée pour identifier et confirmer expérimentalement, via des essais de déplacement de fluorescence, que des médicaments existants comme l'hydrochlorothiazide se lient aux protéines de liaison aux acides gras d'Echinococcus, ouvrant ainsi de nouvelles perspectives pour le traitement de l'échinococcose par repositionnement de médicaments.
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.