1235 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.
Lo studio dimostra che, sebbene l'espressione genica sessualmente biasata possa influenzare la dipendenza funzionale, le differenze di essentialità genica sono spesso guidate da effetti diretti indipendenti dall'espressione, in particolare sui cromosomi sessuali dove il dosaggio cromosomico gioca un ruolo dominante.
Lo studio dimostra che l'integrazione di caratteristiche sequenziali biologicamente informate, oltre ai tradizionali parametri strutturali e di affinità, permette di identificare segnali contestuali e trasferibili che migliorano significativamente il successo predittivo nella progettazione di leganti proteici de novo, riducendo i fallimenti sperimentali.
Il paper presenta DeSCOPE, un framework leggero basato su autoencoder variazionale condizionale che supera i modelli di base nel prevedere le risposte delle cellule a perturbazioni genetiche, inclusi scenari con geni o tipi cellulari non visti e perturbazioni combinatorie, offrendo così un modello virtuale versatile per guidare la scoperta di target terapeutici.
Il paper presenta π-MSNet, un portale di dati proteomici "vivente" su scala miliare e pronto per l'intelligenza artificiale, che offre oltre 1,66 miliardi di spettri MS/MS uniformemente elaborati e strumenti di accesso semplificati per addestrare, valutare e migliorare modelli di deep learning nel campo della proteomica.
Il framework spatialFDA, disponibile come pacchetto R open source su Bioconductor, combina statistica spaziale e analisi di dati funzionali per quantificare e testare le differenze nel co-localizzazione cellulare tra diverse condizioni in esperimenti di omica spaziale, dimostrando la sua efficacia sia in simulazioni che nell'analisi del diabete di tipo 1.
Questo studio introduce un framework basato sulla Selezione Multidimensionale delle Caratteristiche (MDFS) che, analizzando le interazioni sinergiche tra coppie di taxa e funzioni microbiche invece di singoli marcatori, rivela firme di malattia del microbioma conservate e biologicamente informative che i metodi univariati tradizionali non riescono a rilevare.
Questo studio presenta un framework end-to-end che fonde modelli di linguaggio proteico e strutture 3D per prevedere l'auto-associazione degli anticorbi, validando l'uso del saggio CSI-BLI come proxy cruciale per la viscosità e la clearance in vivo e dimostrando che l'integrazione di informazioni strutturali migliora significativamente le prestazioni predittive rispetto ai modelli basati solo sulla sequenza.
Il paper presenta PepHammer, uno strumento web leggero che facilita l'identificazione e il confronto di peptidi bioattivi su larga scala utilizzando diverse strategie di matching per supportare l'analisi di dataset peptidomici complessi.
Questo studio introduce deepHTL, un nuovo framework di regressione semiparametrica profonda che, applicato a un registro nazionale di trapianti polmonari, dimostra come l'effetto del trapianto bilaterale rispetto a quello singolo sulla funzione polmonare vari significativamente in base alle caratteristiche del paziente, fornendo così linee guida statisticamente solide per la selezione dei candidati e l'allocazione degli organi.
Questo studio ha caratterizzato genomicamente isolati clinici multidrug-resistenti di *Escherichia coli* e *Enterobacter hormaechei* provenienti da una struttura sanitaria in Kenya, identificando specifici cloni ad alto rischio e geni di resistenza agli antibiotici veicolati da plasmidi che suggeriscono un ruolo degli ambienti esterni nella diffusione della resistenza antimicrobica.