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 Mievformer, un framework basato su Transformer e apprendimento auto-supervisionato mascherato che supera le attuali limitazioni nell'analisi delle omiche spaziali definendo stati microambientali a risoluzione singola cellula e quantificando probabilisticamente l'accoppiamento tra eterogeneità cellulare e microambientale.
Il paper presenta Turep, un metodo di deep learning che identifica in modo robusto e generalizzabile le cellule T reattive ai tumori nei dati di trascrittomica a cellula singola e spaziale, superando i limiti dei biomarcatori esistenti e permettendo di prevedere la risposta all'immunoterapia.
Lo studio propone un quadro di "dialetti genomici" in cui i profili di bias d'uso dei codoni, dettati dalle proprietà fisico-chimiche degli amminoacidi e dalla seconda base del codone, riflettono accenti informativi specifici delle specie che ottimizzano la stabilità proteica e la fedeltà traduzionale piuttosto che ricostruire la filogenesi.
Gli autori presentano "memerna", un nuovo framework deterministico e scalabile basato sul campionamento iterativo che supera i limiti dei metodi stocastici esistenti per modellare in modo efficiente ed esaustivo il ripiegamento dell'RNA durante la trascrizione, consentendo l'identificazione di trappole cinetiche e siti di pausa trascrizionale.
Questo studio presenta una valutazione sistematica che dimostra come AlphaFold2 superi OpenFold3 nella previsione di complessi proteina-peptide, evidenziando al contempo la necessità di metriche di valutazione specifiche per questo tipo di interazioni e la presenza di memorizzazione nei dati di addestramento di AlphaFold2.
Questa ricerca esamina l'applicazione delle Reti Neurali Grafiche (GNN) per la previsione delle interazioni proteina-ligando, affrontando le sfide dell'interpretabilità e della trasparenza attraverso l'integrazione di modelli linguistici proteici, architetture ibride e tecniche di apprendimento avanzate per migliorare l'accuratezza e la rilevanza biologica nella scoperta di farmaci.
Questo studio presenta due nuovi strumenti di ottimizzazione dei codoni, OptimWiz 2.1 e 3.0, basati rispettivamente su metodi classici e sull'intelligenza artificiale, che si sono dimostrati superiori agli strumenti commerciali esistenti e hanno permesso di rivelare i principi fondamentali dell'ottimizzazione dei codoni.
Il paper presenta SpaceBender, un metodo open-source per il denoising dei dati di trascrittomica spaziale che sfrutta le informazioni spaziali per ridurre il rumore da diffusione dell'RNA, migliorando così la rilevazione dei segnali biologici e l'accuratezza delle analisi statistiche.
Questo studio propone un framework di reti di similarità basato su tensori per analizzare l'organizzazione spaziale nel cancro del colon-retto, dimostrando che la struttura tissutale reale vincola la connettività molecolare in modo più efficace rispetto alle configurazioni casuali e fornendo nuovi strumenti quantitativi per la caratterizzazione dell'eterogeneità tumorale.
Il paper introduce EpiRanha, un framework multimodale basato su una rete neurale a grafo che integra embedding di sequenza e struttura tridimensionale per identificare e classificare con precisione epitopi simili, superando i limiti dei metodi tradizionali di allineamento rigido e migliorando la valutazione del rischio di reattività crociata e la progettazione di anticorpi.