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.
Spectronaut-nf è una pipeline Nextflow scalabile che consente l'elaborazione efficiente e parallelizzata di dataset di proteomica DIA su larga scala in ambienti di calcolo ad alte prestazioni, riducendo significativamente i tempi di analisi pur mantenendo risultati di identificazione coerenti rispetto alle configurazioni su singola workstation o singolo nodo.
Questo articolo presenta una pipeline a cascata geometrico-neurale a tre stadi completamente automatizzata che combina la generazione di candidati non supervisionata e adattiva al soggetto con due classificatori 3D ResNet leggeri addestrati su un numero minimo di etichette con intervento umano per ottenere un rilevamento ad alta accuratezza dei microbleed cerebrali nelle risonanze magnetiche pesate in suscettibilità, riducendo significativamente i falsi positivi derivanti da imitatori vascolari e non vascolari.
Questo manoscritto è stato ritirato perché la metrica fondamentale "Deviation Error" richiede una sostanziale formalizzazione matematica e una validazione teorica prima di poter essere stabilita come una corretta funzione di punteggio per valutare le predizioni del machine learning.
Spaceland è un framework computazionale guidato dalla morfologia che ricostruisce atlanti molecolari 3D continui e ad alta risoluzione di interi organi integrando la trascrittomica spaziale sparsa con l'istologia H&E seriale, consentendo così la modellazione di tessuti virtuali scalabili senza la necessità di un campionamento sperimentale esaustivo.
Questo studio confronta la regressione lineare multipla (MLR), la MLR con correzione del bias e il metodo Klemera-Doubal (KDM) per stimare l'età biologica dai dati della variabilità della frequenza cardiaca in 343 soggetti, riscontrando che il KDM produce l'errore di stima più basso, mentre la MLR con correzione del bias offre una precisione superiore rispetto alla MLR non corretta ma è limitata dalla sua dipendenza dall'età cronologica.
Questo articolo introduce un framework di rendering inverso discreto che formula l'analisi delle immagini biologiche come un problema di programmazione intera globalmente ottimale, unificando rilevamento, tracciamento e inferenza di eventi per superare significativamente le pipeline standard basate su decisioni locali, in particolare negli scenari di imaging a basso segnale.
GPSNorm è un nuovo framework di normalizzazione spaziale bayesiana che modella congiuntamente la variazione tecnica, la struttura spaziale e il segnale biologico utilizzando un approccio gerarchico a processo gaussiano per propagare l'incertezza della normalizzazione nell'analisi dell'espressione differenziale a valle, migliorando così la robustezza e l'interpretabilità dei dati di trascrittomica spaziale.
Il documento presenta SyntenyPair Explorer, uno strumento leggero, senza installazione e basato su browser, che consente la visualizzazione e l'esplorazione interattiva della sintenia genomica a coppie utilizzando formati di file standard della genomica comparativa senza richiedere software locali o infrastrutture server.
Questo articolo presenta "deepthought", uno stack di acquisizione microscopica modulare che standardizza componenti comuni come l'accesso ai dispositivi e l'archiviazione, isolando al contempo la logica di interpretazione e di puntamento specifica per l'applicazione, consentendo così l'imaging autonomo con analisi in loop attraverso diversi scenari biologici quali lo screening ad alto rendimento e il monitoraggio a lungo termine di cellule vive.
Utilizzando calcoli basati sulla teoria del funzionale della densità, questo studio propone un nuovo percorso di chimica radicalica privo di catalizzatori per la formazione di dipeptidi della glicina in condizioni prebiotiche, caratterizzato da basse barriere di energia elettronica e supportato da analisi dettagliate delle proprietà radicaliche degli intermedi.