878 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.
Sebbene i modelli fondazionali single-cell esibiscano alcuni schemi strutturali condivisi nei loro embedding genici, come l'arricchimento ribosomiale, gli outlier geometrici sono ampiamente specifici del modello e non identificano in modo affidabile geni biologicamente importanti o target rilevanti per le malattie.
RKMR è un framework scalabile e consapevole dell'incertezza che integra la modellazione di kernel non lineari, la selezione di variabili spike-and-slab e la dipendenza spaziale per identificare pannelli di marcatori robusti e predittivi da dati omici spaziali ad alta dimensionalità, superando i metodi esistenti in accuratezza e interpretabilità.
Il benchmark PG-LLM dimostra che i modelli linguistici general-purpose, nonostante la mancanza di accesso a dati strutturali o allineamenti di sequenze multiple, possono classificare efficacemente le varianti proteiche e superare molti predittori basati su sequenze già stabiliti, sebbene rimangano ancora indietro rispetto agli strumenti biomolecolari specializzati.
Questo studio rivela che l'inferenza dell'ascendenza locale a bassa divergenza genetica è fondamentalmente limitata da una soglia di fattibilità e dall'inadeguatezza degli attuali dati di riferimento piuttosto che dall'architettura del modello, dimostrando che le metriche di accuratezza per sito mascherano gravi fallimenti strutturali e che fornire informazioni sull'aplotipo più ricche produce guadagni di prestazione maggiori rispetto alle innovazioni architettoniche.
Questo studio rivela una famiglia di proteine con ripiegamento GFP, scoperta di recente e conservata evolutivamente, che attraversa procarioti ed eucarioti e che sostituisce il cromoforo fluorescente canonico con una rete di cariche altamente vincolata e sepolta composta da due arginine, due glutammati e una tirosina, un motivo che si trova anche convergentemente nella famiglia non correlata DUF2490.
MassGAT è un approccio di apprendimento collettivo basato su grafi e open-source che integra il rilevamento e l'annotazione dei picchi per dati LC-HRMS modellando le specie ioniche come un grafo e utilizzando una rete di attenzione su grafi (Graph Attention Network) per superare le esistenti pipeline di elaborazione indipendenti.
Il documento presenta Boltz2ESI, un framework end-to-end che sfrutta un modello di fondazione biomolecolare per predire le interazioni enzima-substrato attraverso il co-folding nativo, catturando così la plasticità del sito attivo e superando i metodi esistenti per accelerare la scoperta di biocatalizzatori e l'elucidazione delle vie metaboliche.
Il documento introduce GraNPA, un metodo che esegue studi di associazione di tipo GWAS su grafi di variazione del pangenoma utilizzando solo un piccolo numero di individui per identificare regioni genomiche correlate al fenotipo senza bias di riferimento o dati di popolazione aggiuntivi.
DPCGS è un nuovo framework computazionale che integra le statistiche riassuntive GWAS con i dati di sequenziamento dell'RNA a singola cellula per ottenere una mappatura ad alta risoluzione del rischio genetico verso specifiche sottopopolazioni cellulari e programmi regolatori, dimostrando una precisione superiore rispetto ai metodi esistenti e fornendo nuove intuizioni sui meccanismi cellulari di malattie complesse come l'Alzheimer e l'asma.
Attraverso l'esecuzione di tre Open Call e tre Sfide Pubbliche tra il 2023 e il 2025, l'iniziativa AI4Life ha supportato 22 progetti di analisi di bioimmagini e ha rivelato che, sebbene l'adozione del deep learning FAIR affronti significativi ostacoli di implementazione, il principale collo di bottiglia per l'IA scientifica in biologia non risiede nello sviluppo di metodi, bensì nella disponibilità di dati, annotazioni e infrastrutture condivise.