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 identifica ABCA3 e SCN4B come biomarcatori correlati all'esercizio fisico per la dissezione aortica di tipo A di Stanford, proponendoli come potenziali target per diagnosi e terapie.
Questo studio identifica cinque nuovi composti inibitori del sistema di secrezione ESX-1 di *M. tuberculosis* (EccA1) attraverso screening virtuale, docking e simulazioni di dinamica molecolare, dimostrando il loro potenziale come farmaci antivirulenza grazie a proprietà farmacocinetiche favorevoli e stabilità strutturale.
Il paper presenta MAJEC, un nuovo framework unificato per la quantificazione da RNA-seq di geni, isoforme e loci di elementi trasponibili che risolve il problema dell'overlap genico migliorando l'accuratezza e la velocità rispetto agli strumenti esistenti.
Questo studio presenta una piattaforma di esplorazione genica gerarchicamente consapevole che, integrando la conoscenza biologica strutturata dell'HGNC in un kernel di similarità, migliora significativamente la coerenza funzionale e l'interpretabilità dell'analisi trascrittomica nella tossicogenomica, come dimostrato nel caso della tossicità epatica indotta da paracetamolo.
Questo studio esegue un benchmark sistematico di modelli computazionali per la previsione della risposta ai farmaci a risoluzione singola cellula, rivelando che la maggior parte delle metodologie attuali fatica a prevedere lo stato intrinseco di resistenza pre-trattamento e soffre di scarsa robustezza in scenari di squilibrio delle classi, sottolineando così la necessità di sviluppare modelli di nuova generazione con maggiore rilevanza clinica.
Il paper presenta "found", un'implementazione in Python e R del metodo HiDDEN che permette di inferire le perturbazioni a livello cellulare partendo da etichette rumorose a livello di campione, offrendo un framework flessibile per l'analisi e la personalizzazione dei dati di single-cell.
Questo studio introduce un framework di inferenza bayesiana basato su simulazioni e deep learning, denominato CloneMLP-NPE, che ricostruisce con precisione i paesaggi di fitness intra-tumorali e stima i coefficienti selettivi delle alterazioni del numero di copie (CNA) dai profili genetici del sequenziamento a cellula singola, superando le limitazioni dei metodi tradizionali a causa di verosimiglianze intrattabili.
Il paper presenta BioClaw, un ecosistema di collaborazione uomo-bot che trasforma le chat di gruppo in spazi di lavoro persistenti, convertendo le richieste in linguaggio naturale in analisi eseguite tramite strumenti biomedici containerizzati per supportare la scoperta scientifica collaborativa.
Il paper presenta GraphMana, un sistema di gestione dati nativo basato su grafi che risolve le limitazioni dei flussi di lavoro frammentati nella genomica di popolazione consentendo l'aggiunta incrementale di campioni, il tracciamento della provenienza e l'export in 17 formati, riducendo drasticamente i tempi di elaborazione rispetto ai metodi tradizionali.
Il paper presenta GraphPop, un motore di database grafico che riduce la complessità computazionale della genomica delle popolazioni da O(V x N) a O(V x K) indipendentemente dal numero di campioni, permettendo analisi rapide ed efficienti su grandi dataset come quelli del riso e dell'uomo con un consumo di memoria costante.