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.
Questo studio dimostra che tutti i metodi di parsimonia degli alberi genici basati su combinazioni lineari di costi di duplicazione, perdita e coalescenza profonda sono statisticamente incoerenti sotto il modello di coalescenza multispecie, analizzando inoltre le implicazioni empiriche di tale incoerenza.
Questo studio definisce il ruolo dell'angiotensina nel polmone umano identificando il recettore AGTR1 come un marcatore specifico dei periciti e regolatore della loro funzione, i cui meccanismi di segnalazione influenzano la riparazione dell'airspace e la patogenesi di malattie come l'ENfisema e la BPCO.
Questo studio analizza come le pipeline pangenomiche attuali gestiscono le inversioni, identificando due motivi topologici distinti e rivelando significative discrepanze nella loro rappresentazione e bassi tassi di recupero sia in dati simulati che in dataset umani reali.
Questo studio dimostra che i modelli fondazionali del DNA, in particolare HyenaDNA, superano i metodi tradizionali nella previsione dei siti di legame dei fattori di trascrizione nei genomi vegetali, offrendo un approccio scalabile ed efficiente per l'analisi genomica trans-specie.
Lo studio dimostra che la qualità dei dati, in particolare la sparsità e il rumore nei dati molecolari e la risoluzione delle immagini, influenza più significativamente le prestazioni dei modelli di deep learning per la previsione dell'espressione genica spaziale rispetto alla modifica delle architetture, suggerendo che il miglioramento della qualità dei dati è una strategia fondamentale per superare le limitazioni tecnologiche specifiche.
Questo studio presenta un framework statistico basato su dati su larga scala che utilizza distribuzioni nulle di riferimento per calcolare valori p empirici, consentendo così una rilevazione rigorosa e standardizzata delle interazioni sinergiche tra farmaci antitumorali in diversi contesti cellulari.
Questo studio introduce HuSC, un framework che integra la variabilità genetica umana con le strutture proteiche 3D per affinare i modelli linguistici proteici, riducendo il pregiudizio verso le sequenze wild-type e migliorando significativamente la previsione degli effetti delle varianti missenso.
Il paper introduce SpecLig, un modello gerarchico basato sulla struttura e guidato dall'energia che genera in modo unificato piccole molecole e peptidi ottimizzando simultaneamente l'affinità e la specificità del bersaglio per ridurre i rischi di legame off-target.
Questo studio dimostra che la variabilità numerica nelle analisi di risonanza magnetica strutturale per il morbo di Parkinson può essere significativa quanto la variabilità biologica, alterando le conclusioni statistiche, e propone un nuovo framework pratico per quantificare e mitigare tale impatto nella letteratura scientifica.
Il paper presenta jazzPanda, un pacchetto R ibrido che migliora l'identificazione dei geni marcatore nello spaziale transcriptomics integrando le coordinate spaziali e un approccio di "pseudobulking" per superare i limiti degli strumenti tradizionali che ignorano la distribuzione spaziale.