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 presenta un quadro integrato di intelligenza artificiale e dati di single-cell RNA per identificare e validare nuovi bersagli terapeutici specifici per tipo cellulare nella malattia infiammatoria intestinale, superando i limiti degli approcci genetici tradizionali.
Il documento presenta FragBEST-Myo, un metodo di deep learning basato su una rete 3D U-Net che utilizza la segmentazione semantica di frammenti molecolari su traiettorie di dinamica molecolare per identificare e monitorare i siti di legame sul miocardio cardiaco, dimostrando la sua efficacia nel selezionare conformazioni proteiche adatte al docking e nel guidare la progettazione di farmaci.
Questo studio valuta sette strumenti bioinformatici per il rilevamento di varianti a bassa frequenza in *Mycobacterium tuberculosis*, identificando FreeBayes come il metodo più performante e proponendo un nuovo modello di errore per ridurre significativamente i falsi positivi.
Il documento presenta Clair3 v2, un metodo che sfrutta la tabella di movimento di Oxford Nanopore Technologies per migliorare significativamente l'accuratezza del rilevamento delle varianti, in particolare delle inserzioni e delle delezioni, mantenendo un costo computazionale trascurabile rispetto alle soluzioni esistenti.
Il paper presenta CryoZeta, un programma di modellazione *de novo* basato su reti neurali generative diffusion che integra le mappe di densità cryo-EM con pipeline di previsione strutturale simili ad AlphaFold3 per produrre modelli macromolecolari ad alta fedeltà, superando i metodi esistenti in termini di accuratezza atomica anche a risoluzioni non atomiche.
Il paper presenta SMECT, un framework innovativo per valutare e confrontare metodi computazionali che integrano dati genetici e trascrittomica spaziale, dimostrando come l'approccio DESE superi i limiti di sensibilità e specificità degli strumenti esistenti nell'identificare le basi cellulari dei tratti complessi umani.
IntelliFold-2 è un modello open-source di previsione della struttura biomolecolare che supera AlphaFold 3 grazie a raffinatezze architetturali e coerenza strutturale multiscala, offrendo prestazioni superiori nelle interazioni anticorpo-antigene e nel ripiegamento proteina-legante attraverso tre varianti scalabili.
Il paper presenta MassID, una pipeline metabolomica cloud-based che integra rilevamento dei picchi basato sull'apprendimento profondo e il modulo DecoID2 per fornire un'identificazione probabilistica dei metaboliti con controllo del tasso di falsi positivi, consentendo un'annotazione quasi completa e una scoperta migliorata rispetto agli standard MSI.
Il paper presenta CellLink, un corpus annotato manualmente di oltre 22.000 menzioni di popolazioni cellulari che, attraverso l'analisi testuale e l'apprendimento automatico, mappa i fenotipi cellulari dispersi nella letteratura scientifica sul Cell Ontology, rivelando modelli di denominazione e migliorando la struttura ontologica stessa.
Il paper presenta CPLfold, un metodo rapido e flessibile per la previsione della struttura secondaria dell'RNA che integra evidenze chimiche da esperimenti di cross-linking e ligazione con modelli termodinamici, permettendo di prevedere accuratamente pseudonodi e interazioni a lungo raggio anche per sequenze lunghe.