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.
Questo studio introduce lo strumento software Off-target Probe Tracker (OPT) per identificare legami non specifici nei pannelli genici 10x Genomics Xenium, dimostrando come tali interazioni off-target possano distorcere i profili di espressione genica spaziale e compromettere l'accuratezza dei dati di trascrittomica spaziale.
Questo studio evidenzia che, sebbene i metodi di deep learning recenti mostrino progressi nella previsione delle strutture RNA, la loro efficacia è limitata alla ricognizione di motivi ricorrenti noti piuttosto che alla generalizzazione su nuove pieghe, e le attuali stime di accuratezza risultano inaffidabili per identificare modelli corretti.
Il paper introduce PROPTIMUS RAPHAN, un metodo innovativo che ottimizza le strutture proteiche dividendo la molecola in sottoregioni sovrapposte per ridurre drasticamente i tempi di calcolo mantenendo una precisione paragonabile alle tecniche tradizionali.
Il paper presenta scprocess, una pipeline Snakemake ottimizzata per l'elaborazione, l'integrazione e la visualizzazione di dati di sequenziamento RNA a cellula singola su scala atlante, progettata per garantire riproducibilità ed efficienza nell'analisi di dataset composti da centinaia di campioni.
Questo studio sviluppa una strategia di annotazione basata sull'espressione per identificare e quantificare in modo standardizzato le piccole RNA di vault (svtRNAs) umane, rivelando che costituiscono una componente abbondante e riproducibile del paesaggio delle piccole RNA con potenziali proprietà regolatorie simili a quelle dei miRNA.
Il paper presenta il Descriptron-GBIF Annotator, una piattaforma browser-based e senza installazione che sfrutta l'intelligenza artificiale e la scienza partecipativa per accelerare la raccolta di annotazioni morfologiche strutturate da immagini di biodiversità, colmando il divario tra la vasta disponibilità di immagini di esemplari e la scarsità di dati morfologici organizzati.
Il paper presenta Cycle-Extractor, un nuovo strumento basato su programmazione lineare intera mista che ricostruisce in modo rapido e accurato la struttura del DNA extracromosomico (ecDNA) nei tumori utilizzando sia dati di sequenziamento a letture corte che lunghe, superando in velocità gli strumenti esistenti e permettendo la scoperta di strutture ecDNA più complete e ad alto numero di copie, come dimostrato nel caso di un ecDNA contenente MYC.
Il paper introduce SuperSurv, un pacchetto R open-source che offre un framework unificato per costruire, valutare e interpretare ensemble di modelli di analisi di sopravvivenza, consentendo l'integrazione di algoritmi eterogenei, l'ottimizzazione degli iperparametri e l'analisi clinica attraverso strumenti come i valori SHAP e il confronto dei tempi di sopravvivenza medi restrittivi.
Il paper presenta DNA-MGC+, un codec versatile per l'archiviazione dati su DNA sintetico che garantisce un recupero affidabile ed efficiente delle risorse, superando le prestazioni degli strumenti esistenti grazie a una maggiore capacità di correzione degli errori e a costi ridotti su diverse piattaforme di sequenziamento.
Il paper presenta BioPipelines, un framework Python open-source che semplifica l'implementazione di flussi di lavoro computazionali per la progettazione di proteine e ligandi, rendendo accessibili strumenti di intelligenza artificiale avanzati ai laboratori di biologia chimica sperimentale.