1250 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.
Il paper presenta MultiAMP, un framework di modellazione multi-scala che integra informazioni sequenziali e strutturali per superare le attuali limitazioni nella previsione e nel design di peptidi antimicrobici, ottenendo prestazioni superiori e identificando nuovi candidati promettenti.
Il documento presenta la "spatial mechanomics", un quadro integrato che combina misurazioni meccaniche ad alta risoluzione spaziale tramite BioAFM con l'analisi computazionale tramite la piattaforma MechScape per mappare le proprietà viscoelastiche dei tessuti e integrarle con dati multi-omici, come dimostrato nell'analisi del tessuto miocardico murino.
Il paper propone TOASTER, un metodo di analisi topologica dei dati che valuta l'associazione tra l'espressione spaziale continua delle proteine e le risposte cliniche nei pazienti, superando i limiti delle tecniche tradizionali basate sulla segmentazione cellulare.
Il paper presenta AbiOmics, una pipeline end-to-end basata sull'apprendimento automatico che utilizza dati di profilazione trascrittomica e 320 geni marcatore specifici per discriminare con alta accuratezza diversi stress abiotici nelle piante, offrendo uno strumento diagnostico superiore ai metodi fenotipici tradizionali per la gestione agricola di precisione.
Il paper presenta MAP, un framework guidato dalla conoscenza che integra un vasto grafo biologico e strategie di pre-addestramento per prevedere le risposte cellulari a farmaci non profilati, superando i limiti dei modelli esistenti nella generalizzazione zero-shot e dimostrando efficacia nel prioritizzare farmaci antitumorali approvati.
Il paper presenta CO_SCPLOWILANTROC_SCPLOWO_SCPCAP-C_SCPCAPO_SCPLOWSLC_SCPLOW, un framework senza grafi che utilizza modelli fondazionali biologici preaddestrati e la previsione conformale per predire con incertezza calibrata le coppie di letalità sintetica, superando i limiti dei metodi esistenti che dipendono da reti PPI e annotazioni GO.
Il paper introduce DENcode, un modello robusto che combina dati genetici (inclusi gli aplotipi virali) e parametri epidemiologici per stimare le probabilità di trasmissione del virus della dengue, dimostrando la sua efficacia nell'identificare le catene di infezione e i casi chiave in uno studio condotto a Colombo, Sri Lanka.
Questo articolo presenta un quadro per la scoperta autonoma di farmaci guidata dall'intelligenza artificiale che integra knowledge graph e modelli linguistici di grandi dimensioni, utilizzando una "focal graph" per generare ipotesi trasparenti e pianificare autonomamente flussi di lavoro di scoperta di target su larga scala.
Il paper presenta Cuttlefish 3, un algoritmo parallelo in memoria esterna che, grazie a tre innovazioni algoritmiche, costruisce efficientemente grafi di de Bruijn compattati colorati su dataset genomici su larga scala, offrendo una velocità superiore rispetto agli strumenti attuali.
Il paper presenta BioMiner, un sistema multi-modale che automatizza l'estrazione di dati bioattivi proteina-legante dalla letteratura scientifica separando l'interpretazione semantica dalla costruzione strutturale, e ne valida l'efficacia attraverso un nuovo benchmark e applicazioni pratiche che migliorano significativamente le prestazioni dei modelli di scoperta di farmaci.