1260 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 framework Cassette2Vec-EC integra l'analisi strutturale delle isole genomiche con l'apprendimento automatico per rappresentare i genomi di *Enterococcus cecorum* come unità modulari trasferibili, consentendo una previsione ad alta accuratezza delle linee patogene e l'identificazione di specifici moduli genetici associati al rischio.
Gli autori hanno sviluppato Folddisco, un software gratuito e un server web che, grazie a un indice compatto di caratteristiche geometriche indipendenti dalla posizione e a un sistema di punteggio basato sulla rarità, permette di cercare motivi strutturali proteici in un database di 53 milioni di strutture in pochi secondi, risultando significativamente più veloce, efficiente in termini di archiviazione e accurato rispetto ai metodi esistenti.
Questo lavoro presenta un framework formale e un algoritmo lineare per derivare blocchi di sintenia direttamente dai dati di sequenza, risolvendo problemi di ottimizzazione NP-difficili per segmentare i genomi in regioni che non nascondono le riarrangiamenti strutturali.
Il paper presenta AptaBLE, una piattaforma di deep learning che rivoluziona la scoperta degli aptameri prevedendo il loro legame con le proteine e generando nuovi aptameri con alta affinità e specificità, riducendo significativamente tempi e costi rispetto ai metodi sperimentali tradizionali.
Il paper introduce Embarrassingly_FASTA, una pipeline accelerata da GPU che riduce drasticamente i costi e i tempi di elaborazione dei genomi, rendendo economicamente sostenibile la conservazione dei dati grezzi e la loro rielaborazione su larga scala per supportare la pangenomica di popolazione.
Il paper presenta ProteoMapper, un framework computazionale che integra annotazione di domini e rilevamento di motivi per quantificare le relazioni spaziali e l'evoluzione conservata tra motivi regolatori e domini strutturali nelle famiglie proteiche, fornendo strumenti accessibili per l'analisi funzionale e la previsione degli effetti delle varianti.
Il paper presenta iDLC, un framework di deep learning interpretabile che risolve i problemi di correzione dei batch nel sequenziamento dell'RNA a singola cellula attraverso la disentanglement esplicito delle caratteristiche e l'allineamento basato sul trasporto ottimo, garantendo una rimozione robusta degli effetti tecnici mentre preserva l'integrità biologica e la scalabilità su dataset di grandi dimensioni.
TSUMUGI è una piattaforma che identifica reti geniche guidate da fenotipi sfruttando i dati di fenotipizzazione sistematica dei topi knockout dell'IMPC, consentendo agli utenti di esplorare interattivamente le associazioni gene-fenotipo e generare ipotesi su complessi tratti organismici.
Questo studio presenta Q-FSNet e Q-DirichNet, nuovi approcci basati su reti neurali sparse bayesiane che, applicati allo studio longitudinale canadese sull'invecchiamento, identificano con successo 25 metaboliti con "punti dolci" fisiologici ottimali per minimizzare l'accelerazione dell'età biologica, offrendo uno strumento scalabile e interpretabile per la medicina di precisione.
Il documento presenta OT-knn, un innovativo framework di trasporto ottimale che integra informazioni sui vicini locali per allineare in modo robusto e accurato i dati di trascrittomica spaziale provenienti da diverse sezioni tissutali, individui e stadi di sviluppo, superando le sfide poste dalla variabilità biologica e dalle distorsioni geometriche.