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.
Cette étude évalue la capacité de divers modèles de langage à prédire l'efficacité des oligonucléotides antisens thérapeutiques, démontrant que l'utilisation de séquences d'ADN avec des informations sur les gènes cibles via l'ingénierie de prompts surpasse les représentations SMILES, avec le modèle GPT-3.5-Turbo obtenant les meilleurs résultats.
Le package ModCRElib est un outil autonome permettant d'analyser et de modéliser les interactions entre facteurs de transcription et l'ADN pour prédire les sites de liaison, générer des profils d'affinité et caractériser des complexes régulateurs d'ordre supérieur.
Ce papier présente RIMA, une méthode computationnelle permettant la comparaison rigoureuse d'atlases transcriptomiques entre espèces pour identifier des principes de développement conservés et prédire l'expression génique, comme démontré lors de l'analyse de la gastrulation chez la souris, le lapin et le macaque.
Cette étude propose un pipeline de criblage virtuel guidé par le modèle (MGVS) qui contourne le problème de synthétisabilité des modèles de conception de médicaments en identifiant des analogues synthétisables dans des bases de données existantes, surpassant ainsi le criblage virtuel standard avec une efficacité au moins 25 fois supérieure.
Cet article présente UnivAIRRse, un cadre unifié hiérarchique qui organise et compare les simulateurs de répertoires de récepteurs immunitaires adaptatifs à travers cinq niveaux opérationnels, offrant ainsi une base conceptuelle pour améliorer le benchmarking, l'interprétation biologique et le développement de futurs jumeaux numériques immunitaires.
Cet article propose un cadre novateur intégrant des distributions statistiques structurées dans les représentations graphiques des données omiques, permettant d'atteindre des performances prédictives compétitives tout en améliorant l'interprétabilité biologique pour la découverte de connaissances sur les maladies complexes.
Cette étude identifie l'indinavir, un inhibiteur de protéase HIV/HCV, comme un candidat prometteur pour le traitement du virus Chikungunya en démontrant par des simulations de dynamique moléculaire sa capacité à se lier à la protéine nsP2 et à bloquer la réplication virale, validant ainsi la stratégie de repositionnement de médicaments.
Le papier présente BioGraphX, un cadre novateur qui prédit la localisation subcellulaire des protéines de manière interprétable et éco-responsable en construisant des graphes d'interaction à partir de séquences via des règles biochimiques, éliminant ainsi le besoin de structures 3D tout en surpassant les méthodes actuelles grâce à une logique biophysique précise.
Cette étude présente SLOPE, une méthode non supervisée qui modélise la progression continue de l'amyloïde dans la maladie d'Alzheimer sur une échelle temporelle, offrant une sensibilité accrue aux changements précoces par rapport aux mesures globales traditionnelles.
Cet article présente un algorithme de Monte Carlo permettant de construire et de compresser en temps réel les ensembles de couleurs distincts des k-mers dans les graphes de Bruijn colorés, réduisant ainsi considérablement l'utilisation mémoire lors de l'indexation de vastes ensembles de génomes microbiens.