1238 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 introduce mRNA-GPT, un modello generativo avanzato che ottimizza end-to-end intere sequenze di mRNA, superando i metodi esistenti attraverso l'addestramento su 30 milioni di sequenze naturali e l'uso del reinforcement learning per bilanciare simultaneamente stabilità e efficienza traduzionale in tutte le regioni della molecola.
Questo studio dimostra che un approccio ibrido RF-SVM basato su caratteri k-mer TF-IDF supera i metodi di deep learning nella classificazione delle varianti di SARS-CoV-2, offrendo una soluzione efficace e interpretabile per il rilevamento di varianti rare in contesti di dati genomici fortemente sbilanciati.
Questo studio dimostra che, sebbene le stime dell'ereditabilità SNP varino notevolmente a seconda della configurazione metodologica utilizzata, tale variabilità ha un impatto trascurabile sulle prestazioni dei punteggi di rischio poligenico (PRS) derivati.
Il paper presenta SEGUID v2, un'estensione dell'algoritmo di checksum originale che genera identificatori univoci, invarianti per rotazione e orientamento, per sequenze biologiche lineari e circolari a singolo o doppio filamento, migliorando al contempo la compatibilità con i sistemi operativi e gli URL grazie all'uso di Base64url.
Gli autori sviluppano un nuovo modello matematico che integra i dati dei saggi di suscettibilità a dosi intensive per quantificare l'eterogeneità della resistenza agli insetticidi nelle popolazioni di zanzare e prevedere con maggiore precisione l'efficacia delle zanzariere trattate, superando i limiti dei tradizionali saggi a dose discriminante.
Questo studio propone un metodo basato sulla clustering spettrale gerarchica divisiva e su un'analisi di stabilità mediante sottocampionamenti per identificare cluster robusti nei dati di RNA-seq a singola cella, confermando la validità dei risultati su diversi dataset reali.
Questo lavoro presenta un approccio di deep learning basato su reti neurali convoluzionali e vettorizzazione TFxIDF per identificare con elevata precisione le sequenze di DNA codificanti geni, utilizzando dati del genoma umano GRCh38 e superando le prestazioni dello stato dell'arte nella predizione genica.
Questo studio presenta una pipeline di predizione ad alto rendimento basata su AlphaFold3 e MMSeqs2 che, analizzando centinaia di migliaia di coppie proteiche da cluster genici biosintetici, ha rivelato nuove reti di interazioni molecolari e complessi enzimatici funzionali, inclusi quelli precedentemente non caratterizzati, fornendo risorse cruciali per la comprensione dei pathway di biosintesi.
Questo articolo introduce una nuova metrica basata su operazioni di modifica per confrontare le reti di trasferimento genico laterale (LGT), dimostrandone la calcolabilità in tempo lineare o tramite algoritmi FPT a seconda delle restrizioni sull'ordine dei trasferimenti, e ne valida l'efficacia attraverso esperimenti numerici.
Questo studio valuta rigorosamente sette metodologie all'avanguardia per la rimozione dell'RNA ambientale nei dati di sequenziamento dell'RNA a singola cellula, concludendo che, sebbene non esista un metodo superiore in tutti i contesti, CellBender, DecontX e SoupX offrono generalmente le prestazioni migliori.