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 GRASP, un framework unificato basato su reti neurali su grafi che, utilizzando una rappresentazione eterogenea delle strutture secondarie dell'RNA, supera i metodi esistenti nel prevedere con maggiore accuratezza e scalabilità la localizzazione subcellulare, fornendo al contempo intuizioni biologiche interpretabili sui determinanti strutturali.
RevelioPlots è un'applicazione web open-source interattiva che semplifica la valutazione della qualità dei modelli proteici predetti dall'intelligenza artificiale integrando l'analisi statistica dei punteggi pLDDT con grafici di Ramachandran interattivi per collegare visivamente l'affidabilità locale alla fattibilità stereo-chimica.
Gli autori propongono la Regional Co-occurrence Entropy (RCE), una nuova misura di entropia spaziale che quantifica le interazioni contestuali tra categorie in diversi ambienti, dimostrando la sua versatilità attraverso applicazioni in biologia spaziale, geografia ed ecologia.
Il paper presenta EnzPlacer, un algoritmo di apprendimento contrastivo che predice le funzioni enzimatiche non ancora caratterizzate posizionando accuratamente le sequenze proteiche in uno spazio funzionale noto, anche quando l'etichetta specifica non è presente nel corpus di addestramento.
BioGraphX-RNA è un innovativo framework di codifica grafica fisico-chimica che, integrando principi biofisici espliciti con embeddings di RiNALMo, supera le prestazioni degli attuali metodi per la predizione interpretabile della localizzazione subcellulare dell'RNA, garantendo al contempo un'efficienza computazionale e una generalizzazione cross-specie senza precedenti.
Questo studio presenta un approccio scalabile basato su genomi assemblati da metagenomi (MAGs) per espandere il riferimento del microbiota intestinale, scoprire nuove specie e analizzare la diversità intra-specie tramite la metrica GUN, rivelando associazioni con malattie che rimangono nascoste a livello di specie, come dimostrato nel caso di *Odoribacter splanchnicus*.
Questo lavoro propone un quadro bayesiano per la stima dell'orientamento nella criomicroscopia elettronica, dimostrando che l'utilizzo di un stimatore MMSE migliora significativamente la precisione della ricostruzione 3D e l'analisi dell'eterogeneità strutturale rispetto ai metodi tradizionali basati sulla correlazione incrociata, specialmente in condizioni di basso rapporto segnale-rumore.
Il lavoro presenta O_SCPLOWARCANEC_SCPLOW, un nuovo metodo e strumento a riga di comando che integra avanzamenti algoritmici per la correzione di errori, l'assegnazione delle letture ai geni e la risoluzione degli UMI, offrendo una quantificazione dell'espressione genica più rapida e accurata rispetto agli strumenti esistenti nel contesto della trascrittomica a cellula singola.
Il paper presenta ProtBFF, un framework agnostico rispetto all'encoder che integra priors biofisici interpretabili nelle rappresentazioni di apprendimento profondo per migliorare l'accuratezza della previsione di ΔΔG e superare i modelli specializzati esistenti.
Il paper introduce UNISON, un framework scalabile basato sull'inferenza variazionale che sfrutta la sparsità dei dati per eseguire un'analisi fattoriale non negativa efficiente su milioni di cellule, consentendo l'identificazione precisa di strutture biologiche senza la necessità di espandere le matrici dei dati.