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.
Il paper presenta RapCluster, una piattaforma web interattiva con 11 algoritmi di clustering progettata per colmare il divario di riproducibilità nella ricerca scientifica, affrontando la diffusa mancanza di documentazione e regolazione dei parametri evidenziata da un'analisi di oltre 736.000 articoli.
Lo studio dimostra che per la previsione della struttura dei complessi proteici, la profondità delle sequenze omologhe è più determinante della loro accoppiamento specifico, stabilendo un principio "depth-over-pairing" che supera la necessità di MSAs accoppiati elaborati.
Il paper presenta TSvelo, un nuovo framework matematico basato su equazioni differenziali ordinarie neurali che modella la cascata di regolazione genica, trascrizione e splicing per migliorare la precisione e la robustezza dell'analisi della velocità dell'RNA in dati di scRNA-seq, superando i limiti dei metodi esistenti.
Questo studio ha validato il dispositivo ActTrust(R) come strumento efficace ed economico per stimare il dispendio energetico e classificare l'intensità dell'attività fisica nei giovani adulti, confrontandolo con l'ActiGraph GT3X+ e i dati di calorimetria indiretta durante esercizi controllati.
Questo studio introduce un framework per validare e aggregare i moduli attivi identificati da diversi algoritmi nelle reti di interazione genetica, dimostrando che nessun singolo metodo è universalmente efficace e proponendo tecniche di clustering e fusione per ottenere una visione biologica più completa e scoprire geni "nascosti".
Il paper presenta GRASP, un framework efficiente e generalizzabile che utilizza prompt adattivi basati su LLM per inferire reti geniche, superando i metodi esistenti nella capacità di identificare interazioni biologiche significative anche non annotate.
Questo studio identifica ABCA3 e SCN4B come biomarcatori correlati all'esercizio fisico per la dissezione aortica di tipo A di Stanford, proponendoli come potenziali target per diagnosi e terapie.
Questo studio identifica cinque nuovi composti inibitori del sistema di secrezione ESX-1 di *M. tuberculosis* (EccA1) attraverso screening virtuale, docking e simulazioni di dinamica molecolare, dimostrando il loro potenziale come farmaci antivirulenza grazie a proprietà farmacocinetiche favorevoli e stabilità strutturale.
Il documento presenta GPCR-Nexus, una piattaforma di intelligenza artificiale basata su un'architettura multi-agente che unifica database strutturati e letteratura scientifica non strutturata per estrarre, recuperare e sintetizzare conoscenze verificabili e tracciabili sulla biologia dei recettori accoppiati a proteine G (GPCR) e sulla scoperta di farmaci.