774 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 introduce UDAL, una strategia di apprendimento attivo che combina incertezza e diversità per ottimizzare la selezione dei candidati da validare in laboratorio, riducendo significativamente i costi e il tempo necessari per costruire modelli affidabili di specificità TCR-pMHC.
Il paper introduce FairTCR, un framework di ottimizzazione robusta distribuita di gruppo che riduce significativamente le disparità di equità nella previsione del legame TCR-pMHC tra diversi aplotipi HLA e coorti demografiche, migliorando le prestazioni sui gruppi sottorappresentati senza compromettere l'accuratezza media.
Questo studio dimostra che l'uso di tecniche di machine learning per imputare i dati mancanti sulle popolazioni di zanzare in Venezuela ha migliorato significativamente l'accuratezza delle previsioni dell'incidenza della malaria da *Plasmodium vivax*, sebbene non abbia avuto successo per il *Plasmodium falciparum*.
Il paper presenta ORION, un framework multi-agente basato su intelligenza artificiale che automatizza l'analisi end-to-end dei dati di profilazione immunitaria complessa, riducendo i tempi di elaborazione da mesi a ore e generando ipotesi biologiche verificabili.
Questo studio presenta un framework generativo basato su modelli linguistici proteici per la progettazione di proteine intrinsecamente disordinate, dimostrando che il controllo accurato delle loro proprietà conformazionali è possibile solo attraverso l'addestramento su dataset su larga scala, evidenziando così la disponibilità dei dati come principale fattore limitante per la progettazione di IDR.
Il paper presenta vcfilt, un filtro VCF in streaming scritto in Go che, grazie all'assenza di allocazioni di memoria e a un parser ottimizzato per criteri di filtraggio specifici, raggiunge velocità fino a 12,2 volte superiori rispetto a bcftools mantenendo un output identico.
Il paper introduce ABB4-STEROIDS, un modello di previsione strutturale generativo addestrato su milioni di frame derivati da simulazioni di dinamica molecolare, che supera lo stato dell'arte nel campionamento accurato ed efficiente degli ensemble conformazionali degli anticorpi.
Questo studio dimostra come le proteine EndoG dei generi Xenopus si siano adattate evolutivamente a diversi regimi termici, presentando X. laevis (di climi freddi) una maggiore carica e polarità rispetto a X. tropicalis (di climi caldi), evidenziando il ruolo dominante della temperatura nella diversificazione proteica.
Il paper presenta ProteomeScan, un toolkit computazionale basato su cloud che esegue un docking molecolare su scala proteomica per validare e identificare target proteici di farmaci, dimostrando la sua efficacia nel ranking dei target noti e nella validazione dei siti di legame attraverso analisi fisiche e mutazioni.
Il paper presenta MICRON, uno strumento open source basato sull'apprendimento automatico che identifica automaticamente microambienti immunitari associati agli esiti clinici tramite proteomica spaziale, migliorando la prognosi e rivelando nuove interazioni cellulari nel cancro cerebrale.