771 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 framework GAE-Δ sfrutta un autoencoder grafico per modellare il rimodellamento delle reti geniche specifico del fenotipo attraverso dati multi-omici, ottenendo una previsione degli esiti clinici superiore e identificando driver del cancro biologicamente rilevanti rispetto ai metodi esistenti basati sulla fattorizzazione lineare e sulle reti.
Il documento introduce ALARMIST, un framework probabilistico che decodifica motivi di comunicazione multicellulare interpretabili dai dati di trascrittomica spaziale per identificare pattern di segnalazione di ordine superiore e i loro impatti fenotipici a valle, dimostrandone l'utilità nel rivelare i driver microambientali della progressione tumorale nell'adenocarcinoma polmonare e nel glioblastoma.
Questo articolo presenta un'ottimizzazione sistematica della piattaforma CycloneSEQ, integrando l'elaborazione sperimentale dei campioni con flussi di lavoro computazionali di assemblaggio per superare i limiti del sequenziamento a letture brevi e migliorare significativamente il recupero di genomi microbici completi da metagenomica intestinale a letture lunghe.
Questo articolo rivela che la perdita di dati indotta dall'omologia gonfia sistematicamente le prestazioni dei modelli di sequenza addestrati sul genoma, portandoli a basarsi su associazioni memorizzate anziché su principi generalizzabili, e propone lo strumento hashFrag per abilitare una partizione dei dati consapevole dell'omologia, al fine di garantire una valutazione più affidabile e una migliore generalizzabilità del modello.
Questo studio introduce un quadro computazionale sistematico che integra la fosfoproteomica risolta nel tempo con un algoritmo di Beam Search guidato da BFS per ricostruire reti di segnalazione EGFR specifiche per tipo cellulare, rivelando con successo come l'inibizione di SHP2 riconfiguri le architetture delle vie di segnalazione e guidi i meccanismi di resistenza adattiva.
Questo articolo introduce un framework Text-to-Target consapevole della provenienza che integra il recupero di modelli linguistici di grandi dimensioni vincolati allo schema con l'analisi di dati omici numerici per generare target di malattie e strategie di scoperta di farmaci interpretabili e pronti per l'audit, dimostrando una validazione significativa nella malattia di Alzheimer e nell'adenocarcinoma duttale pancreatico.
Questo studio integra dati multi-omici per sviluppare e validare una firma prognostica snella di 15 geni e un nomogramma clinico-genomico che predicono accuratamente gli esiti di sopravvivenza nei pazienti con carcinoma mammario triplo negativo.
Questo articolo introduce obiettivi contrastivi asimmetrici, inclusa una variante SPC ispirata geometricamente che incorpora metadati sperimentali come vettori di classe appresi, per estrarre efficientemente rappresentazioni di immagini per lo screening fenotipico che superano i metodi precedenti su più dataset e metriche, mantenendosi efficaci anche con dati e risorse computazionali limitati.
Questo articolo introduce TEA, un nuovo alfabeto proteico a 20 lettere derivato da incorporamenti di modelli linguistici tramite apprendimento contrastivo, che consente una rilevazione rapida e sensibile di omologia remota in grado di competere con i metodi basati sulla struttura, sfruttando al contempo gli algoritmi di ricerca di sequenze esistenti.
Questo articolo rivela che l'uso diffuso di test statistici invalidi che ignorano la dipendenza tra le fold della convalida incrociata nell'apprendimento automatico biomedico porta a tassi di falsi positivi gonfiati, spingendo gli autori a proporre il test SHARP come soluzione robusta e a fornire nuove linee guida di reporting per il confronto valido dei modelli.