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 cadre TopoMetry introduit une méthode unifiée pour apprendre et évaluer systématiquement la géométrie latente des données de cellules uniques, surpassant les approches standards en préservant fidèlement la structure biologique et en facilitant l'exploration de la diversité cellulaire via un rapport généré en une seule ligne de code.
Cette étude démontre que l'outil de rescoring basé sur l'apprentissage automatique MS2Rescore améliore considérablement le taux d'identification des peptides et la spécificité taxonomique en métagénomique, permettant ainsi une analyse taxonomique plus fiable avec un taux de découverte fausse réduit à 0,1 %.
L'article présente Floco, une méthode innovante qui améliore la précision du calcul du nombre de copies en utilisant une formulation de flot de réseau sur des graphes génomiques, surpassant ainsi les approches traditionnelles basées uniquement sur la profondeur de lecture.
Le pipeline CoMR améliore la reconstruction du protéome mitochondrial chez les eucaryotes en intégrant des prédictions de signaux de ciblage, des recherches d'homologie et des analyses phylogénétiques dans un cadre de notation unifié, surpassant ainsi les méthodes de prédiction isolées tant chez les organismes modèles que chez les lignées divergentes.
Ce papier présente RSTG, un autoencodeur basé sur la divergence bêta qui génère des données de transcriptomique spatiale de haute qualité et robustes face au bruit, comblant ainsi le manque de données d'entraînement et surpassant les méthodes existantes.
Cet article présente EnzPlacer, un algorithme d'apprentissage contrastif qui prédit les trois premiers numéros EC d'une enzyme à partir de sa séquence, permettant ainsi de situer avec précision des fonctions enzymatiques inconnues dans l'espace des fonctions connues pour guider les hypothèses expérimentales.
Le papier présente BioGraphX-RNA, un cadre d'encodage graphique physico-chimique universel et interprétable qui, en intégrant des principes biophysiques explicites et des embeddings RiNALMo, atteint des performances de pointe pour prédire la localisation subcellulaire de l'ARN tout en fournissant des insights mécanistiques sur les déterminants structuraux et séquentiels.
Cet article propose un cadre bayésien pour l'estimation des orientations en cryo-EM, démontrant que l'estimateur MMSE surpasse les méthodes traditionnelles en précision et en robustesse, ce qui améliore considérablement la reconstruction 3D et l'analyse de l'hétérogénéité structurale, même dans des conditions de faible rapport signal-sur-bruit.
Cet article présente O_SCPLOWARCANEC_SCPLOW, un nouvel algorithme et outil en ligne de commande optimisé pour la correction d'erreurs de barcodes et d'UMI ainsi que pour le mappage des lectures dans les données de transcriptomique à cellule unique, offrant une quantification d'expression génique plus rapide et aussi précise que les méthodes existantes.
Le papier présente ProtBFF, un cadre général et agnostique de l'encodeur qui améliore la prédiction de la stabilité des protéines en intégrant des priors biophysiques interprétables dans des représentations d'apprentissage profond via une attention croisée, surpassant ainsi les modèles spécialisés existants.