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.
ProteinConformers est une ressource à grande échelle qui fournit 2,7 millions de conformations protéiques géométriquement optimisées et énergétiquement profilées pour combler les lacunes des ressources existantes en matière de couverture conformationnelle, d'annotations énergétiques et de normes d'évaluation.
Cette étude établit que le récepteur AGTR1 est un marqueur spécifique des péricytes pulmonaires qui régule leur comportement et la résilience de l'airspace, offrant ainsi un cadre cellulaire pour cibler thérapeutiquement les maladies pulmonaires comme la BPCO et la fibrose.
Cette étude révèle que les pipelines actuels de graphes de pan-génomes peinent à détecter et à représenter correctement les inversions, en identifiant deux motifs topologiques distincts et en soulignant des taux de récupération très faibles, notamment sur des données humaines réelles.
Cette étude démontre que les modèles de fondation de l'ADN, en particulier HyenaDNA, surpassent les méthodes spécialisées dans la prédiction précise et efficace des sites de liaison des facteurs de transcription chez les plantes, offrant ainsi une solution évolutive pour la génomique végétale.
Cette étude démontre que la qualité des données, notamment la sparsité et le bruit moléculaire ainsi que la résolution des images, influence de manière critique la performance des modèles d'apprentissage profond prédisant l'expression génique spatiale à partir d'images histologiques, suggérant que l'amélioration de la qualité des données constitue une stratégie complémentaire essentielle à l'optimisation des architectures de modèles.
Cette étude démontre que la variabilité numérique inhérente aux pipelines d'IRM structurelle peut fausser significativement les résultats sur la maladie de Parkinson, et propose un cadre pratique pour quantifier et atténuer ce risque d'erreurs statistiques dans la littérature scientifique.
Le papier présente jazzPanda, une approche hybride implémentée dans un package R Bioconductor qui améliore la détection de gènes marqueurs dans les données de transcriptomique spatiale en intégrant les coordonnées spatiales via une méthode de « pseudobulking » pour une identification cellulaire plus précise et spécifique.
Cet article présente Pioneer et Altimeter, deux outils open-source optimisés pour l'analyse rapide et précise des données de protéomique DIA, capables de modéliser explicitement les effets des fenêtres d'isolement étroites pour permettre une identification et une quantification à grande échelle avec un contrôle conservateur du taux de fausses découvertes.
Cet article présente edgePython, une portage en Python du package edgeR qui intègre un modèle mixte binomial négatif-gamma et un rétrécissement empirique de Bayes pour l'analyse différentielle de données de comptage génomique, facilitant ainsi son utilisation dans l'écosystème du génomique à cellule unique.
Le pipeline bioinformatique NanoHIVSeq permet un traitement à haut débit et précis des séquences de l'enveloppe du VIH-1 à partir de données de séquençage Oxford Nanopore, en éliminant le besoin d'identifiants moléculaires uniques tout en maintenant une fiabilité supérieure à 99,9 %.