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.

GraphPop: graph-native computation decouples population genomics complexity from sample count

Il paper presenta GraphPop, un motore di database grafico che riduce la complessità computazionale della genomica delle popolazioni da O(V x N) a O(V x K) indipendentemente dal numero di campioni, permettendo analisi rapide ed efficienti su grandi dataset come quelli del riso e dell'uomo con un consumo di memoria costante.

Estaji, E., Zhao, S.-W., Chen, Z.-Y., Nie, S., Mao, J.-F.2026-04-14💻 bioinformatics

SPEAR: Predicting Gene Expression from Single-Cell Chromatin Accessibility

Il paper presenta SPEAR, un framework open source che utilizza modelli di apprendimento automatico, in particolare encoder transformer, per prevedere l'espressione genica a partire dall'accessibilità della cromatina a livello di singola cellula, dimostrando che il segnale predittivo è concentrato nelle regioni vicine al sito di inizio della trascrizione e fornendo un confronto controllato dei bias induttivi in diversi sistemi biologici.

Walter-Angelo, T., Uzun, Y.2026-04-14💻 bioinformatics

TB-Bench: A Systematic Benchmark of Machine Learning and Deep Learning Methods for Second-Line TB Drug Resistance Prediction

Questo studio presenta TB-Bench, un benchmark sistematico che valuta modelli di machine learning e deep learning per la previsione della resistenza ai farmaci antitubercolari di seconda linea, rivelando che i modelli tradizionali spesso superano quelli deep learning nella predizione interna, sebbene entrambi mostrino limitazioni nella generalizzazione esterna rispetto agli approcci basati su cataloghi.

VP, B., Jaiswal, S., Meshram, A., PVS, D., S C, S., Narayanan, M.2026-04-13💻 bioinformatics

VeloTrace Reconciles Divergent Velocity and Trajectory in Single-cell Transcriptomics with Deep Neural ODE

VeloTrace è un nuovo framework basato su Neural ODE che unifica l'inferenza di traiettoria e la velocità dell'RNA in un unico modello continuo, risolvendo le discrepanze tra dinamiche locali e globali per ricostruire con maggiore precisione i processi di differenziamento cellulare anche per geni con copertura di sequenziamento insufficiente.

Cheng, H., Qiao, Y., Feng, Y., Wei, Y., Li, J., Cai, J., Zheng, S., Chen, S., Li, G., Simons, B. D., Lian, Q., Xin, H.2026-04-13💻 bioinformatics

Introducing the digital PCR data essentials standard to harmonize data structure for clinical and research use

Il documento presenta il Digital PCR Data Essentials Standard (DDES), un formato dati leggero e interoperabile sviluppato dalla comunità per armonizzare la struttura dei dati della PCR digitale, facilitando così l'analisi automatizzata, la riproducibilità della ricerca e l'adozione di pratiche FAIR.

Trypsteen, W., Vynck, M., Untergrasser, A., Whale, A. S., Rodiger, S., Dobnik, D., Bogozalec Kosir, A., Milavec, M., Kubista, M., Pfaffl, M. W., Nour, A. A., Young-Kyung, B., Bustin, S. A., Calin, G. (…)2026-04-13💻 bioinformatics