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 documento presenta FM-GPT, un nuovo metodo bayesiano per il fine mapping che, analizzando dati su larga scala come quelli della UK Biobank, identifica con maggiore precisione i geni causali con effetti pleiotropici su tratti complessi e malattie correlate, svelando meccanismi biologici condivisi e trade-off funzionali tra sistemi immunitari e metabolici.
Questo studio presenta un dataset unificato di trascrittomica spaziale ad alta risoluzione generato tramite la piattaforma Stereo-seq per dieci organi di topo, fornendo una risorsa standardizzata con immagini istologiche e annotazioni cellulari per lo sviluppo e il benchmarking di modelli di apprendimento profondo.
Il paper presenta scMultiPreDICT, un framework computazionale in R che utilizza dati multi-omici a singola cellula per dimostrare come i tratti trascrizionali abbiano generalmente un potere predittivo superiore rispetto all'accessibilità cromatinica, rivelando che l'integrazione multimodale migliora l'accuratezza solo in modo specifico per gene e contesto cellulare.
Questo lavoro presenta LYM-1, il primo modello su larga scala per la previsione delle rese di dieci diverse colture nelle praterie canadesi, basato su oltre 4,7 milioni di osservazioni che permettono di ottimizzare la produzione agricola e guidare la progettazione delle colture in un contesto di cambiamento climatico.
Questo studio valida su larga scala l'identificazione individuale tramite l'impronta metabolomica ottenuta da campioni di sangue essiccato (DBS), dimostrando un'accuratezza del 94% in un'analisi su 1.257 partecipanti e sottolineando l'importanza di evitare la fuoriuscita di dati tra i batch per garantire la validità dei risultati.
Questo studio valuta le prestazioni di sei variant caller somatici integrati in una pipeline Snakemake su dati di sequenziamento ampliconico tumore-only ad alta copertura, dimostrando che FreeBayes, VarScan, MuTect2 e Pisces offrono le migliori prestazioni nel contesto diagnostico clinico.
Questo studio presenta nuovi parametri di vicinato per la previsione della stabilità di folding dell'RNA contenente 1-metil-pseudouridina, derivati da 208 esperimenti di melting ottico e integrati nel software RNAstructure, che migliorano significativamente la modellazione delle strutture secondarie di sequenze naturali e terapeutiche.
Il paper introduce IDiom, un modello linguistico autoregressivo addestrato su milioni di sequenze di regioni proteiche intrinsecamente disordinate che permette la generazione di nuove sequenze funzionali e contestualmente rilevanti, superando le limitazioni dei metodi di progettazione basati sulla struttura.
Questo studio propone un modello di deep learning basato su grafi con un blocco di attenzione per la connettività, che analizza la connettività cerebrale strutturale per prevedere con maggiore accuratezza età e punteggio MMSE rispetto ai metodi esistenti, utilizzando dataset pubblici come PREVENT-AD e OASIS3.
Il paper presenta SimpleFold-Turbo, un metodo che applica la tecnica di caching adattivo TeaCache alla previsione della struttura proteica tramite flow-matching, ottenendo un'accelerazione nell'inferenza fino a 14 volte con una perdita di qualità trascurabile senza necessità di riaddestramento o modifiche ai pesi del modello.