890 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 documento presenta sctrial, un framework open source in Python per l'analisi differenziale a livello di partecipante in studi di RNA-seq a singola cellula longitudinali, che risolve il problema della pseudoreplicazione cellulare garantendo una quantificazione dell'incertezza più rigorosa e risultati statisticamente validi in contesti clinici e traslazionali.
Halo è un modello preaddestrato che ricostruisce i confini cellulari completi integrando la morfologia nucleare con la distribuzione spaziale degli RNA, superando le strategie di espansione nucleare tradizionali e consentendo una segmentazione cellulare accurata e generalizzabile per la trascrittomica spaziale senza necessità di ulteriore addestramento.
Il paper presenta GenoJEPA, un framework di apprendimento rappresentazionale genomico basato sull'architettura joint-embedding predictive che, sostituendo la ricostruzione locale delle basi con l'allineamento semantico nello spazio latente, ottiene prestazioni superiori su 55 compiti downstream riducendo al contempo costi computazionali e parametri, rendendo possibile l'uso di classificatori leggeri senza GPU.
Il paper presenta Looplook, un suite integrato open-source in R che migliora l'assegnazione dei geni target e l'annotazione funzionale delle interazioni cromatiniche attraverso l'uso di clustering dei componenti connessi e un raffinamento guidato dall'espressione genica per ridurre i falsi positivi.
Il paper presenta XAttn-DTA, un framework basato su sequenze che utilizza reti di attenzione su grafi e fusione incrociata bidirezionale per prevedere l'affinità farmaco-bersaglio senza dati strutturali sperimentali, ottenendo prestazioni superiori rispetto agli stati dell'arte su benchmark come Davis e KIBA.
Gli autori hanno sviluppato l'algoritmo BayesMonSTR per rilevare con precisione le mutazioni mosaiche dei microsatelliti a risoluzione singola cellula, scoprendo che queste varianti si accumulano con l'età, specialmente nei neuroni della corteccia prefrontale, e sono arricchite nelle regioni regolatorie dei geni altamente espressi.
Questo studio dimostra come la pratica diffusa di eseguire la selezione delle caratteristiche su tutti i campioni prima della convalida incrociata provochi una perdita di dati che gonfia artificialmente l'accuratezza dei modelli di previsione della risposta ai farmaci e corrompe la scoperta di biomarcatori nel cancro, portando a conclusioni errate in oltre il 70% dei metodi pubblicati.
Il documento presenta VDJcraft, la prima pipeline integrata per l'analisi accurata della ricombinazione V(D)J mediante dati di trascrittomica a lettura lunga, che supera i limiti degli strumenti esistenti consentendo la caratterizzazione precisa dei recettori antigenici e la scoperta di nuovi sottogruppi genici associati a patologie.
Questo articolo presenta tre nuovi stimatori basati su k-mer, robusti alle sequenze ripetitive e valutati su satelliti alfa, che superano le prestazioni dei metodi esistenti e sono disponibili come software open-source.
Gli autori hanno sviluppato un modello di deep learning interpretabile basato su meccanismi di attenzione per l'integrazione multi-omics (mRNA, miRNA, metilazione del DNA) che migliora significativamente la previsione prognostica dell'epatocarcinoma epatocellulare rispetto ai modelli baselines, identificando al contempo biomarcatori biologicamente rilevanti.