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 TOB-QMC, un metodo basato su quartetti che ricostruisce in modo efficiente e statisticamente coerente l'albero delle "blob" (TOB) sotto il modello di coalescenza di rete, offrendo prestazioni superiori e una scalabilità notevolmente migliorata rispetto all'approccio precedente TINNiK.
Il paper presenta MANTIS, un toolkit statistico innovativo che unisce metabolomica e trascrittomica spaziali in un unico framework per scoprire relazioni gene-metabolita e modelli spaziali, correggendo rigorosamente i fattori confondenti e gestendo la dipendenza spaziale.
Il paper presenta DETANGO, un nuovo framework di deep learning che utilizza modelli linguistici proteici per separare gli effetti delle mutazioni sulla stabilità da quelli sulla funzione, permettendo di identificare varianti stabili ma inattive e di mappare con precisione i residui funzionalmente critici per l'ingegneria proteica razionale.
Il paper presenta SpaMOAL, un metodo di apprendimento contrastivo basato su grafi che integra coordinate spaziali, immagini istologiche e profili molecolari per identificare con precisione i domini tissutali nei dati multi-omici spaziali, superando le prestazioni delle tecniche esistenti.
Questo studio introduce un framework di trasporto ottimale basato su dati di RNA-seq a singola cellula per ricostruire le dinamiche di differenziazione delle cellule T CD8, rivelando come l'ingresso temporale nei tessuti e il regolatore trascrizionale AP4 guidino la formazione di cellule T della memoria residenti nei tessuti e circolanti.
Il paper presenta keju, un modello statistico gerarchico che migliora significativamente sensibilità e controllo dei falsi positivi nell'analisi degli esperimenti MPRA, superando i metodi precedenti gestendo in modo più accurato le incertezze tra le letture di DNA e RNA e tra i diversi batch.
Questo studio presenta un'analisi comparativa dei metodi di screening delle caratteristiche basati sul principio del "sure screening" per l'analisi di dati omici ad alta dimensionalità, identificando BcorSIS come l'approccio più efficace ed efficiente dal punto di vista computazionale per la selezione di biomarcatori predittivi in contesti di classificazione machine learning.
Questo studio sviluppa e valida metriche di resilienza all'invecchiamento basate sull'intelligenza artificiale, utilizzando dati clinici longitudinali di scimmie, dimostrando che i modelli non lineari predicono meglio la mortalità rispetto ai modelli lineari che si limitano a stimare l'età cronologica.
Questo studio presenta un approccio innovativo che integra l'analisi trascrittomica tramite la libreria CMAP con metodi basati su ligandi e struttura per generare e validare sperimentalmente nuovi agonisti del recettore TLR5, superando i limiti dei protocolli di scoperta di farmaci tradizionali che trascurano il contesto cellulare.
Il paper introduce GAIA, un framework basato sulla geometria dell'informazione che, trattando i dati di trascrittomica a cellula singola e spaziale come distribuzioni multinomiali e sfruttando la distanza di Fisher-Rao, supera i limiti dei metodi euclidei tradizionali per conciliare organicamente le variazioni discrete e continue nell'espressione genica, garantendo una rappresentazione cellulare più robusta e biologicamente significativa.