163 articles
La biologie des systèmes explore comment les composants d'un organisme interagissent pour créer des comportements complexes, passant de l'étude isolée des gènes à une vision globale du vivant. Cette approche multidisciplinaire révèle les réseaux invisibles qui régulent la santé et la maladie, transformant notre compréhension fondamentale de la biologie.
Sur Gist.Science, nous parcourons quotidiennement bioRxiv pour repérer les tout nouveaux prépublications dans ce domaine. Pour chaque article, nous produisons à la fois une explication claire pour le grand public et un résumé technique détaillé, rendant ces recherches de pointe accessibles à tous sans sacrifier la rigueur scientifique.
Vous trouverez ci-dessous les dernières publications sélectionnées, prêtes à être découvertes et comprises.
Cette étude présente une approche d'apprentissage automatique basée sur des graphes capable de prédire avec précision les effets des perturbations génétiques sur divers phénotypes moléculaires, offrant ainsi une méthode efficace pour prioriser les expériences et réduire les coûts de criblage à grande échelle.
En utilisant la spectroscopie infrarouge couplée à l'apprentissage automatique chez *Drosophila melanogaster*, cette étude démontre que les chimiotypes servent de proxies prédictifs pour la variation biologique et la réponse au stress, offrant ainsi une représentation intégrative et calculable de l'organisme.
Cette étude démontre que le cadre de traduction inter-espèces TransComp-R permet d'optimiser l'utilisation des modèles murins pour identifier des cibles thérapeutiques dans la maladie d'Alzheimer à début tardif, validant ainsi par des données cliniques humaines que le traitement par suvorexant réduit les niveaux de tau phosphorylée.
En combinant la modélisation métabolique à l'échelle du métagénome et la métabolomique, cette étude révèle que les interactions biochimiques au sein des phycosphères de *Microcystis* sont structurées par une expansion fonctionnelle du microbiome tout en restant pilotées par les métabolites cyanobactériens, soulignant ainsi l'importance écologique de ces interactions interspécifiques dans les blooms.
Le papier présente FASTERCC, une nouvelle version optimisée de FASTCC qui exploite des informations structurelles pour nettoyer les réseaux métaboliques et accélérer considérablement les tests de cohérence des flux et les reconstructions spécifiques au contexte, offrant ainsi une solution indispensable à l'analyse des modèles à grande échelle générés par les données de cellule unique.
Ce modèle computationnel démontre que l'adaptation des tumeurs au microenvironnement osseux réduit leur dépendance aux facteurs de croissance osseux comme le TGF-β, rendant l'inhibition des ostéoclastes inefficace pour contrôler la croissance tumorale une fois cette adaptation acquise.
Cet article présente BIRDkiss, un nouveau cadre de modélisation mécaniste et open-source intégré dans un package R, qui relie les budgets énergétiques de croissance et de reproduction des oiseaux à l'exposition chimique pour améliorer l'évaluation des risques environnementaux, notamment en simulant les effets combinés du stress nutritionnel et des mélanges de pesticides.
Les auteurs proposent le cadre mCanonicalTockySeq, qui intègre l'historique de signalisation via un système de minuterie fluorescente à l'ARN-seq monocellulaire pour reconstruire des espaces d'état développementaux résolus temporellement et permettre des analyses comparatives inter-espèces, comme démontré dans la maturation des cellules T du thymus.
Le papier présente MICA, un algorithme novateur qui détecte les points de rupture dans les séries temporelles en minimisant l'écart entre les simulations d'un modèle dynamique et les données observées, permettant ainsi d'identifier simultanément les moments de changement et l'évolution des paramètres du modèle pour des systèmes allant de l'épidémiologie à la surveillance industrielle.
Le papier présente GeNETop, une nouvelle méthodologie qui intègre l'analyse de variabilité des flux, la topologie des réseaux et les données transcriptomiques pour générer des modèles métaboliques à l'échelle du génome spécifiques au contexte et compatibles avec les simulations dynamiques, surmontant ainsi les limitations des approches existantes conçues pour des états stationnaires.