1250 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.
Cette étude démontre que les biais d'expression génique entre les protocoles scRNA-seq 3' et 5' sont limités à un sous-ensemble restreint de gènes et que leur exclusion ciblée constitue une approche plus fiable que les méthodes de correction de lot agressives pour l'intégration de ces données.
Cet article présente iGS, un logiciel graphique sans code doté d'une architecture double moteur portable qui intègre 33 modèles de prédiction pour démocratiser la sélection génomique et permettre aux biologistes de prédire efficacement des traits polygéniques complexes sans expertise en programmation.
Cet article présente les Minimum Unique Substrings (MUS), une alternative contextuelle aux k-mers fixes qui s'adapte à la complexité locale du génome pour offrir une couverture unique complète, une compression de données supérieure et une résolution accrue pour l'analyse génomique.
Le toolkit neuro-symbolique h5adify permet l'intégration évolutive et respectueuse de la vie privée de données transcriptomiques hétérogènes en harmonisant leurs métadonnées grâce à l'utilisation de petits modèles de langage locaux combinés à une inférence biologique déterministe.
Cette étude présente vhPPIpred, un outil d'apprentissage automatique innovant qui améliore la prédiction des interactions protéine-protéine entre virus et humains en intégrant la topologie du réseau et le mimétisme moléculaire viral, tout en fournissant un jeu de données de référence rigoureux pour faciliter la découverte de médicaments antiviraux et la surveillance des virus émergents.
Le framework unifié scUnify permet une inférence zéro-shot évolutive et standardisée de modèles fondamentaux sur des données de séquençage de cellules uniques, en automatisant les prétraitements et en optimisant l'exécution multi-GPU pour faciliter la comparaison et l'évaluation des embeddings cellulaires.
LLPSight est un outil d'apprentissage automatique innovant qui utilise des embeddings de modèles de langage protéique pour prédire avec une précision inégalée les protéines conductrices de la séparation de phases liquide-liquide, facilitant ainsi la découverte de nouvelles cibles thérapeutiques au sein du protéome humain.
Cette étude évalue le cadre STUNT pour la classification des maladies basée sur le microbiome en contexte de few-shot learning et conclut que, bien que ses représentations pré-entraînées offrent un léger avantage en cas de données extrêmement rares, elles finissent par limiter l'accès aux signaux spécifiques à la tâche dès que davantage d'échantillons sont disponibles, soulignant ainsi que la force du signal biologique intrinsèque reste le déterminant principal de la performance.
Cette étude de criblage virtuel identifie des composés phytochimiques, notamment des withanolides de *Withania somnifera*, comme de puissants inhibiteurs potentiels de l'α-glucosidase intestinale pour la gestion de l'hyperglycémie postprandiale dans le diabète de type 2, surpassant parfois l'affinité du médicament de référence miglitol.
Le papier présente DartUniFrac, un algorithme accéléré par GPU qui permet une analyse méga-échelle du microbiome en calculant des similarités UniFrac jusqu'à mille fois plus rapidement que les méthodes actuelles tout en restant statistiquement équivalent aux implémentations exactes.