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.
Gli autori hanno sviluppato un server DGIdb basato sul protocollo Model Context Protocol (MCP) che consente ai modelli linguistici di grandi dimensioni di accedere direttamente e in linguaggio naturale alle informazioni aggiornate del database DGIdb, migliorando significativamente la loro capacità di rispondere a domande complesse su interazioni farmaco-gene.
Questo studio presenta un autoencoder adattivo con prior di processo di Dirichlet che, pur riducendo leggermente l'accuratezza nel recupero delle etichette, migliora significativamente la coerenza geometrica e la visualizzazione dei dati di trascrittomica a cellula singola, definendo così un regime operativo ottimale per l'analisi di traiettorie e la mappatura di programmi biologici.
Il paper presenta Topic-FM, una famiglia di VAE neurali basati su argomenti che vincolano lo spazio latente al semplice delle probabilità per ottenere programmi genici interpretabili, migliorando significativamente le metriche di clustering e classificazione su 56 dataset di scRNA-seq senza compromettere la coerenza biologica.
Questo studio presenta un ampio confronto di metodi per l'identificazione di biomarcatori e la modellazione prognostica su dati genomici censurati, dimostrando tramite simulazioni e analisi reali che CoxBoost e Adaptive LASSO offrono le prestazioni più robuste, fornendo così ai ricercatori linee guida per la scelta dell'approccio ottimale in base alle caratteristiche dei dati.
Questo studio identifica firme metaboliche nel siero, tra cui carnitine, composti dietetici come la piperina e metaboliti del farmaco metoprololo, associate alla resilienza cognitiva in un cohorte longitudinale di 237 individui che invecchiano.
Questo studio dimostra che i dati di metabarcoding del DNA del polline raccolto dalle api possono essere utilizzati con successo per addestrare modelli di apprendimento automatico, come Random Forest e k-NN, per prevedere con alta accuratezza l'origine geografica dei campioni senza necessità di assegnazione tassonomica.
Il documento presenta circStudio, un pacchetto Python che unifica la pre-elaborazione dei dati di attigrafia e la modellazione matematica dei ritmi circadiani in un unico framework per facilitare flussi di lavoro riproducibili nella ricerca biologica e sanitaria.
Questo studio dimostra che l'integrazione della localizzazione subcellulare nei modelli di machine learning migliora significativamente la predizione della rilevabilità proteica nel cancro, rivelando una diffusa discordanza tra RNA e proteine che evidenzia i limiti delle interpretazioni basate esclusivamente sull'espressione trascrizionale.
Questo studio dimostra che l'integrazione di caratteristiche fragmentomiche (come lunghezza e motivi terminali dei frammenti) con la rilevazione di mutazioni somatiche specifiche del tumore migliora significativamente l'accuratezza del rilevamento del DNA tumorale circolante (ctDNA) per la sorveglianza della malattia residua minima nel cancro del colon-retto, offrendo una strategia scalabile e priva di addestramento che supera i metodi basati esclusivamente sulla frequenza delle mutazioni.
Questo studio presenta un metodo innovativo per la purificazione specifica del complemento C1q umano, basato sulla progettazione *de novo* di peptidi ciclici tramite AlphaFold2, che consente un'isolamento rapido e ad alta selettività direttamente dal plasma umano senza modifiche genetiche.