bioinformatics 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.

💻 bioinformatica

Zero-Shot Protein-Ligand Binding Site Prediction from Protein Sequence and SMILES

Questo articolo introduce un framework di benchmarking sistematico in tre fasi che sfrutta modelli linguistici proteici e chimici per predire i siti di legame proteina-ligando da sequenza e SMILES, dimostrando che, sebbene il condizionamento del ligando migliori le prestazioni su ligandi noti, un approccio zero-shot che utilizza embedding chimici preaddestrati consente una predizione efficace su ligandi precedentemente non visti.

Pourmirzaei, M., Alqarghuli, S., Chen, K., Pourmirzaei, M., Xu, D.2026-11-07

💻 bioinformatica

Fully integrated SNV, fusion, and isoform analysis of cancer drivers with FLAIR3 for improved functional interpretation

Gli autori presentano FLAIR3, uno strumento completo che integra i dati di sequenziamento dell'RNA a lettura lunga per analizzare simultaneamente varianti a singolo nucleotide, indel, fusioni geniche e splicing alternativo, rivelando così il loro impatto funzionale combinato sui driver oncogenici nell'osteosarcoma e nell'adenocarcinoma polmonare.

Felton, C. A., Galvez, A., Damle, T., Levine, K. M., Diekhans, M., Fuentes, E. L., Won, T. S., Vollmers, C., Sweet-Corde (…)2026-11-06

💻 bioinformatica

Bioprocess Modeling Made Easy With Hybrax

Questo articolo presenta Hybrax, un framework open-source in Python che snellisce la modellazione dei bioprocessi fornendo un formato di dati standardizzato e una pipeline di addestramento automatizzata end-to-end per modelli ibridi meccanicistici-neurali, migliorando così la riproducibilità e riducendo lo sforzo di codifica richiesto per sviluppare e condividere tali modelli.

Libiseller-Egger, J., Gotsmy, M., Guillen-Gosalbez, G., Zanghellini, J.2026-11-06

💻 bioinformatica

Generative 3D Spatial Reconstruction of Cellular Organization from Single Cell Expression

ORBIS è un framework generativo che utilizza il flow matching per ricostruire congiuntamente interi campioni di tessuto 3D, inclusi la loro geometria fisica e i vicinati cellulari, direttamente dai dati di espressione dell'RNA a singola cella senza richiedere riferimenti spaziali, ottenendo così un'accuratezza e una velocità superiori rispetto ai metodi esistenti.

Azim, E., Alif, M. N., Hwang, T. H., Zheng, H., Zhang, W. i.2026-11-06

💻 bioinformatica

pLM-bVAE: protein language model-enhanced binary representation improves quantum annealing-based protein sequence design

Il documento introduce pLM-bVAE, un autoencoder variazionale binario potenziato da un modello linguistico proteico che migliora la codifica binaria e l'accuratezza della ricostruzione delle sequenze, consentendo così al quantum annealing di generare sequenze proteiche con punteggi e diversità più elevati rispetto ai metodi standard.

Ueda, H. H., Tucs, A., Tsuda, K., Umetsu, M., Saito, Y.2026-11-06

💻 bioinformatica

Multimodal cellular context enables molecular phenotyping from single-molecule trajectories

Il documento introduce MIST, un framework che integra la dinamica delle traiettorie a singola molecola con il contesto cellulare per creare uno spazio fenotipico multimodale, migliorando significativamente l'identificazione proteica e consentendo la rilevazione di nuovi effetti mutazionali in *E. coli* vivi oltre quanto l'analisi delle traiettorie da sola possa ottenere.

Redchuk, T., Rehm, L., Sui, Y., Mäkelä, J.2026-11-06

💻 bioinformatica

Hub labeling makes exact distance calculation practical for large human pangenome graphs

Questo articolo introduce un indice di distanza basato su hub labeling che sostituisce le matrici dense quadratiche con un approccio più efficiente dal punto di vista dello spazio per grandi grovigli nei grafi pangenomici, consentendo l'indicizzazione pratica di interi genomi umani entro gigabyte di memoria pur supportando query di distanza esatte che precedentemente erano impossibili da rispondere.

Truong, Z., Novak, A., Paten, B.2026-11-06

💻 bioinformatica

Integrative Multiomics Analysis of the Angiogenesis-EMT Interface in Head and Neck Squamous Cell Carcinoma

Questo studio rivela un forte accoppiamento trascrizionale coordinato tra angiogenesi e transizione epitelio-mesenchimale (EMT) nel carcinoma squamocellulare orale che persiste dopo aver considerato la composizione tumorale, identificando 101 candidati genici condivisi e sottolineando MICAL2, OSMR e LHFPL2 come driver molecolari chiave nonostante la mancanza di un'associazione significativa con la sopravvivenza globale.

Das, S., Natarajan, E., Singh, R., Shaikh, R.2026-11-06

💻 bioinformatica

Contrastive Learning Improves Generalization on M2OR Olfactory Binding Dataset

Questo articolo dimostra che l'applicazione di un obiettivo di apprendimento contrastivo alla predizione del legame VOC-OR migliora significativamente la generalizzazione del modello e raggiunge prestazioni allo stato dell'arte (0,88 AUCROC) sul dataset M2OR, rivelando inoltre che i protocolli di valutazione standard soffrono spesso di metriche gonfiate a causa della fuga di identità derivante da motivi chimici sovrapposti.

Snider, L., Nakano-Baker, O., Mackenzie, J. D.2026-11-06

💻 bioinformatica

Theoretical prediction of assembly contiguity

Questo articolo introduce una formula teorica del "valore Z" altamente accurata che predice le lunghezze medie dei contig di assemblaggio basandosi sulla lunghezza delle letture, la copertura e le proprietà del genoma, consentendo ai ricercatori di ottimizzare la profondità di sequenziamento, la selezione dei k-mer e la scelta degli strumenti per la progettazione sperimentale.

Abrar, M. H., Medvedev, P., Novikov, A., Sahlin, K.2026-11-06