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.
Il paper presenta Correlate, un'applicazione web gratuita e accessibile senza login che analizza i dati degli screen CRISPR del Cancer Dependency Map per identificare dipendenze geniche e correlazioni funzionali in oltre 1.000 linee cellulari tumorali, offrendo un approccio basato sui dati che integra e completa i metodi tradizionali di annotazione biologica.
Gli autori hanno sviluppato snoFlake, un modello di rete che rivela come le snoRNA, in particolare SNORD22, formino complessi non canonici con proteine leganti l'RNA per regolare lo splicing, sfidando la visione tradizionale delle snoRNA come semplici componenti stabili dei complessi di modificazione dell'RNA.
Questo studio presenta un approccio computazionale integrato per progettare e valutare dinamicamente siRNA mirati alla proteina VP4 del rotavirus, identificando un candidato ottimizzato con elevata stabilità strutturale e interazioni favorevoli con le proteine del carico RISC per lo sviluppo di terapie antivirali.
Il metodo Nettle proposto nel paper migliora la quantificazione nella proteomica DIA imputando i limiti di tempo di ritenzione dei peptidi invece dei valori mancanti, ottenendo così una maggiore accuratezza, una riduzione del limite inferiore di quantificazione e la possibilità di calcolare rapporti quantitativi in casi altrimenti non risolvibili.
Il paper presenta PlantCAD2, un modello linguistico del DNA specifico per le piante da fiore ad alta efficienza e risoluzione a singolo nucleotide, che supera i modelli esistenti nell'interpretazione delle funzioni genomiche e nella previsione della regolazione a lunga distanza attraverso l'addestramento su 65 genomi.
Il paper presenta PathogenSurveillance, una pipeline automatizzata open-source basata su Nextflow che facilita l'analisi genomica di popolazione e l'identificazione di patogeni e parassiti tramite dati di sequenziamento dell'intero genoma, supportando sia letture corte che lunghe e funzionando su sistemi Linux senza richiedere competenze computazionali avanzate.
Il framework statistico CellWHISPER permette un'inferenza robusta e scalabile della comunicazione cellulare diretta dai dati di trascrittomica spaziale, distinguendo con precisione le interazioni funzionali dalla semplice vicinanza strutturale e consentendo la scoperta di nuovi programmi di segnalazione in contesti fisiologici e patologici.
Il paper presenta seq2ribo, un framework ibrido che combina simulazione e machine learning per prevedere con alta fedeltà i profili di localizzazione dei ribosomi partendo esclusivamente dalla sequenza di mRNA, superando i metodi esistenti e abilitando la progettazione razionale di mRNA per applicazioni come i vaccini.
Questo studio introduce l'Indice di Coerenza Dinamica (DCI) per identificare geni con traiettorie temporali prevedibili tra diversi tipi cellulari in dati di trauma scRNA-seq, dimostrando che la selezione di tali geni combinata a un'architettura ricorrente probabilistica migliora significativamente l'accuratezza e l'affidabilità nella previsione dell'evoluzione dell'espressione genica.
Il paper presenta GATSBI, un framework basato su attenzione grafica che genera embedding proteici contestuali integrando dati biologici eterogenei e migliorando le prestazioni predittive, specialmente per proteine poco studiate, grazie a protocolli di valutazione biologicamente motivati.