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.
Questo lavoro dimostra che ingegnerizzare attentamente gli input di allineamento di sequenze multiple (MSA) e template strutturali migliora in modo significativo l'accuratezza delle previsioni di AlphaFold3 per monomeri, multimeri e complessi proteico-ligando, superando anche le prestazioni di AlphaFold2 quando entrambi utilizzano gli stessi input personalizzati.
Questo studio dimostra che AlphaFold 3 si basa prevalentemente sul contesto evolutivo comparativo e sulla diversità filogenetica delle sequenze allineate, piuttosto che sulla profondità dell'allineamento o sulla familiarità della sequenza, per localizzare le posizioni strutturalmente vincolate e attivare i prior strutturali necessari per una previsione accurata.
Gli autori hanno sviluppato un framework di integrazione basato sulla rete che utilizza la direzionalità delle variazioni di espressione proteica per superare l'eterogeneità tra diversi dataset, rivelando così relazioni biologiche significative, come l'associazione tra profili proteici tumorali e lo stadio del cancro.
SCIGMA è un innovativo framework di deep learning scalabile e generalizzabile che integra dati multi-omici spaziali eterogenei, fornendo stime di incertezza per migliorare l'interpretabilità biologica e superando i metodi esistenti nella rilevazione di domini spaziali e nella preservazione delle modalità.
Il paper presenta CHORD, un framework di integrazione per dati single-cell cross-specie che apprende congiuntamente rappresentazioni di geni, cellule e tipi cellulari per mappare gerarchie conservate, annotare tipi sconosciuti e allineare la variabilità fenotipica continua tra diverse specie.
Il paper presenta LinkD, una piattaforma unificata basata su agenti che accelera il riposizionamento dei farmaci integrando modelli di diffusione latente per le interazioni farmaco-bersaglio, validazione fenotipica su larga scala e prove cliniche da registri sanitari elettronici, dimostrando la sua efficacia nell'identificare associazioni protettive come quella tra beta-bloccanti e rischio di cancro alla prostata.
BioEngine è un livello di esecuzione e adattamento scalabile che colma il divario tra i modelli di intelligenza artificiale per le immagini biologiche e le risorse computazionali, permettendo agli scienziati di utilizzare, ottimizzare e distribuire tali modelli tramite interfacce leggibili da agenti AI su qualsiasi hardware.
Il paper introduce PEACE, una pipeline leggera che combina embedding sequenziali ProtTrans e apprendimento contrastivo basato su prototipi per migliorare l'identificazione degli effettori patogeni, superando le prestazioni di EffectorP 3.0 in termini di precisione su dataset con squilibrio di classi realistico.
Il documento presenta GTStrDTI, un modello gerarchico basato su transformer e attenzione grafica che integra strutture 3D delle proteine e informazioni molecolari per migliorare la previsione dell'affinità di legame tra farmaci e target, superando le prestazioni degli stati dell'arte in scenari di cold-start.
Questo studio dimostra che un agente di ricerca automatica può apprendere una politica di ranking superiore per la priorizzazione dei candidati peptidici rispetto ai metodi tradizionali, catturando il 65% delle migliori opzioni in una breve lista selezionata da un benchmark pubblico di 3.554 peptidi antimicrobici.