771 articoli
La bioinformatica è l'incontro vitale tra biologia e informatica, un campo che trasforma i dati biologici complessi in conoscenza comprensibile. Qui esploriamo come algoritmi e software aiutino gli scienziati a decifrare il codice della vita, dall'analisi del DNA alla scoperta di nuovi farmaci, rendendo accessibili scoperte che altrimenti rimarrebbero confinate in database tecnici.
Su Gist.Science, monitoriamo ogni nuovo preprint inviato da bioRxiv in questa categoria. Per ogni articolo, offriamo una doppia prospettiva: una spiegazione semplice per chiunque sia curioso e un riassunto tecnico dettagliato per i ricercatori. Questo approccio garantisce che le ultime novità scientifiche siano chiare, accurate e immediatamente disponibili.
Di seguito trovate i documenti più recenti pubblicati da bioRxiv nel settore della bioinformatica, pronti per essere esplorati nelle vostre forme più accessibili.
Questo articolo dimostra che un agente di codifica con gate di correttezza può superare significativamente il consolidato baseline RapidNJ nella filogenetica computazionale producendo SwiftNJ, un'implementazione ottimizzata del Neighbor Joining che raggiunge un rapporto geometrico medio dei tempi di esecuzione di 0,565 mantenendo al contempo una correttezza esatta rispetto agli standard di riferimento.
Leviathan è un pacchetto software open-source che consente un profilo tassonomico e funzionale ultra-rapido, efficiente dal punto di vista della memoria e accurato di metagenomi e metatrascrittomi a risoluzione genomica e pangenomica, combinando metodi tassonomici privi di allineamento con un pseudo-allineamento nello spazio del DNA per bypassare i passaggi di ricerca tradotta computazionalmente costosi.
Questo articolo presenta un quadro computazionale minimale e multi-scala che sfrutta la dinamica proteica e i meccanismi di interruzione ricorrenti per identificare e dare priorità in modo sistematico a bersagli antimicrobici per una polifarmacologia razionale, con l'obiettivo di migliorare l'efficacia terapeutica riducendo al contempo la tossicità e la fuga mutazionale.
Il documento introduce gTranslate, uno strumento di apprendimento automatico computazionalmente efficiente che predice con precisione le tabelle di traduzione per i genomi procariotici senza una precedente classificazione tassonomica, raggiungendo un'accuratezza superiore al 99,99% e consentendo la scoperta di nuove variazioni del codice genetico in specifici lignaggi batterici.
Questo studio presenta un framework computazionale che sfrutta il modello fondazionale del DNA Evo2 per dare priorità alle varianti regolatorie non codificanti nel cancro del colon-retto quantificandone l'impatto sulle sequenze promotoriali, identificando con successo candidati ad alto impatto arricchiti in pathway rilevanti per il cancro e loci GWAS senza fare affidamento su addestramento supervisionato o annotazioni predefinite.
SQANTI-browser è un nuovo framework di visualizzazione che integra i dati del trascrittoma a letture lunghe classificati da SQANTI3 nel UCSC Genome Browser, consentendo un filtraggio interattivo, una curatela guidata dalle evidenze e la risoluzione di artefatti di allineamento per recuperare nuovi isoformi azionabili in diversi dataset.
CARIBOU è un framework AI multi-agente progettato per l'analisi bioinformatica autonoma, iterativa e riproducibile in ambienti di calcolo ad alte prestazioni istituzionali, che utilizza blueprint modificabili dai ricercatori e stati eseguibili persistenti per superare i limiti della generazione di codice statico nell'elaborazione di dataset su larga scala di omiche a singola cellula e spaziali.
VaxjoOnto è un nuovo framework che sfrutta un grafo di conoscenza eterogeneo guidato da un'ontologia dei vaccini e una rete neurale su grafo per dare priorità in modo efficace agli adiuvanti sia per le malattie note che per quelle nuove, affrontando un collo di bottiglia critico nello sviluppo dei vaccini spostando il focus dalla scoperta degli antigeni alla selezione degli adiuvanti.
Questo articolo introduce il framework SBB (Segnale, Limiti e Baseline) per valutare rigorosamente i modelli di perturbazione di cellule virtuali, rivelando che i complessi metodi di deep learning spesso non riescono a superare in modo significativo semplici baseline lineari e sottolineando la necessità di metriche standardizzate per distinguere il segnale biologico genuino dagli artefatti statistici.
Questo studio stabilisce un quadro di buone pratiche per la costruzione di reti di co-espressione genica ponderate multi-omiche simultanee per analizzare la tossicità e il recupero tiroidei in un modello su roditori, dimostrando che la concatenazione di strati omici non scalati preserva la struttura biologica rivelando al contempo un'estesa perturbazione molecolare e un ripristino parziale attraverso analisi complementari di conservazione dei moduli e di connettività differenziale.