775 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 EnzyGen2, un modello fondazionale di intelligenza artificiale che co-progetta simultaneamente sequenza e struttura di enzimi de novo guidati da ligandi, superando i metodi esistenti in velocità e accuratezza e dimostrando sperimentalmente la creazione di nuovi biocatalizzatori con attività catalitiche elevate.
Il paper presenta Flipper, un nuovo framework avanzato basato su DESeq2 che risolve le limitazioni degli strumenti attuali per l'analisi eCLIP, offrendo una normalizzazione robusta e la capacità di distinguere i veri cambiamenti nel legame delle proteine leganti l'RNA dagli effetti legati all'espressione genica.
Il pacchetto R WayFindR trasforma i dati delle pathway biologiche in strutture grafiche per analizzare i loop di feedback, rivelando che questi meccanismi regolatori, specialmente quelli negativi, sono raramente rappresentati nei database attuali a causa di sfide biologiche e tecniche.
Il paper presenta MoCoO, un framework modulare che integra Variational Autoencoder, Neural ODE e Momentum Contrast, potenziato da un raffinamento tramite Flow Matching, per migliorare l'inferenza delle traiettorie cellulari e la rappresentazione dei dati scRNA-seq, dimostrando attraverso un'estesa valutazione su 20 dataset che questa combinazione architettonica e il raffinamento FM ottimizzano significativamente la geometria del clustering e la qualità dell'embedding.
Lo studio dimostra che la stratificazione dei pazienti nei cohort di scRNA-seq è guidata principalmente dalle proporzioni delle cellule, suggerendo che metodi semplici basati sulla composizione cellulare, implementati nel pacchetto R open-source scECODA, superano approcci più complessi offrendo allo stesso tempo maggiore interpretabilità e robustezza.
Questo studio valuta l'uso di modelli linguistici proteici (PLM) per la generazione di decoy nella proteomica, dimostrando che, sebbene offrano vantaggi nella riduzione degli artefatti sequenziali e siano utili per il benchmarking e il test di stress, non superano attualmente i decoy inversi classici nelle prestazioni complessive di identificazione dei peptidi.
Questo studio ha creato un vasto archivio di spettrometria di massa per le carnitine analizzando dati da più repository, identificando migliaia di nuove strutture chimiche e fornendo una risorsa fondamentale per esplorare il loro ruolo nel metabolismo, nella dieta e nelle malattie.
Questo studio presenta Carafe2, un nuovo strumento software basato su deep learning che genera librerie spettrali *in silico* di alta qualità e specifiche per l'esperimento direttamente dai dati grezzi timsTOF DIA, superando le prestazioni dei modelli preaddestrati su dati DDA e migliorando l'identificazione e la quantificazione dei peptidi in diverse applicazioni proteomiche.
Questo articolo presenta Parallel-REM, un pipeline Python parallelo e scalabile che risolve i colli di bottiglia computazionali dei modelli ad effetti casuali per l'inferenza di reti microbiche, riducendo i tempi di elaborazione da giorni a minuti su grandi dataset clinici mantenendo un'alta accuratezza statistica.
Il documento presenta BCAR, un mappatore veloce e generale di sequenze di codici a barre progettato specificamente per correggere gli errori di sequenziamento, inclusi quelli da inserzioni e delezioni, ottenendo mappe di alta qualità che superano i metodi esistenti.