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 paper presenta **tensorOmics**, un nuovo framework computazionale basato sulla fattorizzazione tensoriale che integra dati multi-omici longitudinali preservando la loro struttura temporale per identificare risposte molecolari coordinate attraverso analisi sia supervisionate che non supervisionate.
SpaDecoder è un nuovo metodo di deconvolution cellulare basato sulla fattorizzazione di matrici che migliora la stima delle proporzioni cellulari in campioni di trascrittomica spaziale sfruttando efficacemente la struttura tissutale 3D e i profili di riferimento a singola cellula.
Il paper presenta miRXplain, un modello basato su transformer e dati CLIP-L che predice con alta precisione le interazioni tra microRNA e mRNA, tenendo conto delle varianti isomiR e fornendo spiegazioni biologiche attraverso mappe di attenzione e analisi di mutazione in silico.
Questo studio introduce un nuovo framework di valutazione per i predittori di proteine che subiscono la separazione di fase (LLPS), correggendo i bias derivanti dalle differenze tassonomiche e dal disordine intrinseco per garantire test più accurati e privi di scorciatoie computazionali.
Questo studio dimostra che la non-specificità degli anticorpi può essere prevista efficacemente combinando modelli linguistici proteici (PLM) e parametri biofisici, identificando nel punto isoelettrico un fattore chiave e confermando il potenziale dei PLM per lo sviluppo di terapie anticorpali.
Lo studio dimostra che il fumo di sigaretta favorisce lo sviluppo del cancro al colon attraverso l'alterazione del microbiota intestinale, la modifica dei metaboliti e la soppressione di geni oncosoppressori, in particolare il CPT2.
Lo studio propone un nuovo punteggio di specificità gene-malattia, basato su un'analisi globale delle reti funzionali, per migliorare la priorità delle varianti genetiche e facilitare la diagnosi delle malattie rare.
PlantMDCS è un toolkit modulare e senza codice che permette la rapida creazione, la gestione sicura e l'analisi integrata di database multi-omici vegetali in un ambiente locale e collaborativo.
Lo studio propone che alcuni "punti caldi" di frustrazione energetica nelle proteine non siano selezionati direttamente dall'evoluzione, ma emergano come vincoli strutturali (simili a "spandrel" architettonici) che l'evoluzione può successivamente cooptare per scopi funzionali.
Questo studio presenta una strategia analitica basata su LC-HRMS e un workflow in linguaggio R per l'identificazione diretta, senza necessità di coltura, di 59 potenziali siderofori nel microbioma di tre diverse specie di spugne marine.