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 modello PALM, che utilizza l'apprendimento trasferito su embedding di modelli linguistici proteici, migliora la previsione dell'aggregazione peptidica su piccoli dataset, sebbene la previsione dell'effetto di singole mutazioni richieda ancora dati sperimentali più estesi.
Il paper presenta Floco, un metodo innovativo per la previsione del numero di copie (CN) basato su un flusso di rete che, integrando allineamenti su grafi genomici e programmazione lineare intera, supera i limiti delle stime tradizionali basate sulla profondità di lettura, aumentando l'accuratezza fino al 43%.
Il paper presenta bronko, un framework ultra-veloce e senza allineamento scritto in Rust che rileva le variazioni del genoma virale con alta precisione e scalabilità, superando i limiti computazionali dei metodi tradizionali per l'analisi di grandi dataset di sequenziamento.
Gli autori hanno sviluppato una piattaforma di scoperta basata sul browser che integra dati epigenomici e trascrittomici per identificare biomarcatori di metilazione del DNA specifici per tipo tumorale, superando le limitazioni dei metodi tradizionali e validando con successo marcatori clinicamente rilevanti per diversi tumori tramite assay PCR.
Il paper presenta CoMR, una pipeline di scoring integrativa che combina previsioni di targeting, omologia e analisi filogenetica per ricostruire con maggiore accuratezza il proteoma mitocondriale in organismi modello e non modello, superando le prestazioni dei predittori di targeting tradizionali.
Il paper presenta DemuxHMM, un quadro integrato sperimentale e computazionale che combina un sistema di marcatura tramite ricombinazione genetica con un modello di Markov nascosto per abilitare il demultiplexing scalabile e ad alta risoluzione di grandi dataset di embrioni singoli-cellula.
Il paper propone RSTG, un autoencoder basato sulla divergenza beta che genera dati di trascrittomica spaziale di alta qualità e robusti al rumore, migliorando la ricostruzione delle posizioni cellulari e la stima della densità rispetto ai metodi esistenti.
Il paper presenta OligoGraph, un nuovo approccio basato su grafi geometrici e deep learning che supera i modelli esistenti nella previsione dell'efficacia degli siRNA, offrendo una maggiore generalizzazione e prestazioni superiori su dataset di diverse lunghezze nucleotidiche.
Integrando approcci multi-omici e simulazioni molecolari, lo studio dimostra che i tumori esofagei e gastrici condividono un programma trascrizionale dipendente da condensati biomolecolari guidati da proteine intrinsecamente disordinate come TOPBP1 e CHERP, identificando questi scaffold come vulnerabilità terapeutiche fondamentali.
Questo articolo presenta un metodo di integrazione basato sull'annotazione funzionale per combinare diverse misure di similarità nell'espressione genica, sviluppando un punteggio di similarità integrato (ISS) che, ottimizzato tramite una funzione di adattamento specifica, supera le singole misure nel rilevare coppie di geni simili e nel prevedere le categorie funzionali di geni non classificati.