885 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 studio presenta un benchmark completo di metodi di stima della matrice di precisione per l'analisi di reti di co-espressione differenziale, dimostrando che le prestazioni dipendono fortemente dalle caratteristiche dei dati e identificando GLassoElnetFast come il metodo più accurato, pur sottolineando che nessun singolo metodo è universalmente superiore in tutte le condizioni.
Lo studio dimostra che, sebbene l'espressione genica sessualmente biasata possa influenzare la dipendenza funzionale, le differenze di essentialità genica sono spesso guidate da effetti diretti indipendenti dall'espressione, in particolare sui cromosomi sessuali dove il dosaggio cromosomico gioca un ruolo dominante.
Lo studio dimostra che l'integrazione di caratteristiche sequenziali biologicamente informate, oltre ai tradizionali parametri strutturali e di affinità, permette di identificare segnali contestuali e trasferibili che migliorano significativamente il successo predittivo nella progettazione di leganti proteici de novo, riducendo i fallimenti sperimentali.
Il paper presenta DeSCOPE, un framework leggero basato su autoencoder variazionale condizionale che supera i modelli di base nel prevedere le risposte delle cellule a perturbazioni genetiche, inclusi scenari con geni o tipi cellulari non visti e perturbazioni combinatorie, offrendo così un modello virtuale versatile per guidare la scoperta di target terapeutici.
Il framework spatialFDA, disponibile come pacchetto R open source su Bioconductor, combina statistica spaziale e analisi di dati funzionali per quantificare e testare le differenze nel co-localizzazione cellulare tra diverse condizioni in esperimenti di omica spaziale, dimostrando la sua efficacia sia in simulazioni che nell'analisi del diabete di tipo 1.
Questo studio presenta un framework end-to-end che fonde modelli di linguaggio proteico e strutture 3D per prevedere l'auto-associazione degli anticorbi, validando l'uso del saggio CSI-BLI come proxy cruciale per la viscosità e la clearance in vivo e dimostrando che l'integrazione di informazioni strutturali migliora significativamente le prestazioni predittive rispetto ai modelli basati solo sulla sequenza.
Questo studio introduce deepHTL, un nuovo framework di regressione semiparametrica profonda che, applicato a un registro nazionale di trapianti polmonari, dimostra come l'effetto del trapianto bilaterale rispetto a quello singolo sulla funzione polmonare vari significativamente in base alle caratteristiche del paziente, fornendo così linee guida statisticamente solide per la selezione dei candidati e l'allocazione degli organi.
Questo studio ha validato il dispositivo ActTrust(R) come strumento efficace ed economico per stimare il dispendio energetico e classificare l'intensità dell'attività fisica nei giovani adulti, confrontandolo con l'ActiGraph GT3X+ e i dati di calorimetria indiretta durante esercizi controllati.
Questo studio introduce un framework per validare e aggregare i moduli attivi identificati da diversi algoritmi nelle reti di interazione genetica, dimostrando che nessun singolo metodo è universalmente efficace e proponendo tecniche di clustering e fusione per ottenere una visione biologica più completa e scoprire geni "nascosti".
Il paper presenta GRASP, un framework efficiente e generalizzabile che utilizza prompt adattivi basati su LLM per inferire reti geniche, superando i metodi esistenti nella capacità di identificare interazioni biologiche significative anche non annotate.