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 MAJEC, un nuovo framework unificato per la quantificazione da RNA-seq di geni, isoforme e loci di elementi trasponibili che risolve il problema dell'overlap genico migliorando l'accuratezza e la velocità rispetto agli strumenti esistenti.
Questo studio presenta un'analisi su larga scala del proteoma umano che utilizza l'apprendimento automatico su reti di contatto proteiche, dimostrando come i metodi a kernel e le reti neurali su grafi offrano approcci complementari per prevedere con alta accuratezza l'attività enzimatica e le classi EC, con le architetture GNN che eccellono nella complessa classificazione multiclasse.
Questo studio presenta una piattaforma di esplorazione genica gerarchicamente consapevole che, integrando la conoscenza biologica strutturata dell'HGNC in un kernel di similarità, migliora significativamente la coerenza funzionale e l'interpretabilità dell'analisi trascrittomica nella tossicogenomica, come dimostrato nel caso della tossicità epatica indotta da paracetamolo.
Questo studio esegue un benchmark sistematico di modelli computazionali per la previsione della risposta ai farmaci a risoluzione singola cellula, rivelando che la maggior parte delle metodologie attuali fatica a prevedere lo stato intrinseco di resistenza pre-trattamento e soffre di scarsa robustezza in scenari di squilibrio delle classi, sottolineando così la necessità di sviluppare modelli di nuova generazione con maggiore rilevanza clinica.
Il paper presenta "found", un'implementazione in Python e R del metodo HiDDEN che permette di inferire le perturbazioni a livello cellulare partendo da etichette rumorose a livello di campione, offrendo un framework flessibile per l'analisi e la personalizzazione dei dati di single-cell.
Questo studio introduce un framework di inferenza bayesiana basato su simulazioni e deep learning, denominato CloneMLP-NPE, che ricostruisce con precisione i paesaggi di fitness intra-tumorali e stima i coefficienti selettivi delle alterazioni del numero di copie (CNA) dai profili genetici del sequenziamento a cellula singola, superando le limitazioni dei metodi tradizionali a causa di verosimiglianze intrattabili.
Il paper presenta BioClaw, un ecosistema di collaborazione uomo-bot che trasforma le chat di gruppo in spazi di lavoro persistenti, convertendo le richieste in linguaggio naturale in analisi eseguite tramite strumenti biomedici containerizzati per supportare la scoperta scientifica collaborativa.
Il paper presenta VCHarness, un sistema autonomo basato sull'intelligenza artificiale che riduce da mesi a giorni il tempo di sviluppo di modelli di risposta cellulare, superando le prestazioni dei metodi tradizionali e aprendo la strada alla costruzione scalabile di "celle virtuali" come modelli del mondo biologico.
Questo studio presenta un quadro di audit basato sul rapporto residuo che quantifica la varianza delle firme geniche trascrittomiche ortogonale alla struttura di espressione di fondo, identificando come indicatori affidabili la forma della traiettoria del rapporto e il divario di magnitudine rispetto a baseline casuali, pur distinguendo tra proprietà geometriche del sistema di coordinate e leggi biologiche.
Il paper presenta GraphMana, un sistema di gestione dati nativo basato su grafi che risolve le limitazioni dei flussi di lavoro frammentati nella genomica di popolazione consentendo l'aggiunta incrementale di campioni, il tracciamento della provenienza e l'export in 17 formati, riducendo drasticamente i tempi di elaborazione rispetto ai metodi tradizionali.