775 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 Helicase, una libreria Rust ad alte prestazioni che utilizza algoritmi vettorializzati SIMD e bitpacking per superare i colli di bottiglia nell'analisi di sequenze genomiche, offrendo la velocità di parsing più elevata tra le soluzioni esistenti per i formati FASTA/Q.
Il paper introduce miRBind2, un modello di deep learning basato esclusivamente sulla sequenza che supera le prestazioni degli strumenti esistenti nella previsione dei siti di legame e della repressione genica delle miRNA, dimostrando che le rappresentazioni apprese possono catturare segnali regolatori senza bisogno di caratteristiche biologiche ingegnerizzate.
Questo studio dimostra che l'accoppiamento di modelli linguistici a livello di codone e proteina rivela come la patogenicità delle varianti genetiche dipenda sia dalle caratteristiche della proteina prodotta ("prodotto") che dai vincoli regolatori del processo di sintesi ("processo"), con un contributo variabile a seconda del tipo di variante e del contesto sperimentale.
Questo studio presenta un flusso di lavoro computazionale integrativo che, analizzando 28 firme trascrittomiche della tubercolosi, identifica 64 farmaci già approvati dalla FDA come promettenti terapie dirette all'ospite e rivela nuovi bersagli terapeutici, superando le limitazioni delle metodologie di mappatura della connettività tradizionali.
Il paper presenta TriGraphQA, un innovativo framework di apprendimento a grafo triplo che migliora la valutazione della qualità delle strutture dei complessi proteici decouplando esplicitamente le rappresentazioni intra-catena e interfacciali per superare i limiti dei metodi esistenti.
Il paper presenta RNASTOP, un innovativo framework di deep learning che migliora significativamente la previsione della stabilità chimica dell'mRNA e ne ottimizza le sequenze, accelerando così lo sviluppo di terapie a base di mRNA.
Questo studio utilizza il docking molecolare e l'immunoinformatica per identificare i potenziali candidati vaccinali contro la malaria, confermando che gli antigeni PfCyRPA, PfMSP10 e PfCSP di *Plasmodium falciparum* presentano un elevato potenziale immunogenico per lo sviluppo di nuovi vaccini.
Questo studio integra analisi bioinformatiche di più dataset trascrittomici e modelli di machine learning per identificare firme molecolari robuste, evidenziando che i disturbi del metabolismo della vitamina D e l'infiammazione cronica sono meccanismi chiave per la diagnosi precoce della fragilità.
Il paper presenta dGSEA, un metodo di analisi di arricchimento genico differenziabile che colma il divario tra obiettivi di previsione a livello genico e interpretazione a livello di pathway, migliorando la stabilità e l'accuratezza delle conclusioni biologiche nei modelli di scoperta di farmaci basati sulla trascrittomica.
Il documento presenta ECHO, un pipeline Snakemake basato sul sequenziamento nanopore che consente una caratterizzazione (epi)genetica completa, riproducibile e scalabile del ripetoma umano, superando le attuali limitazioni nell'analisi delle regioni genomiche ripetitive.