1243 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 presenta lo sviluppo computazionale di un peptide sintetico mimetico del GluN1 progettato come decoy per neutralizzare gli autoanticorpi patogeni nell'encefalite anti-NMDAR, dimostrando tramite simulazioni di docking una forte affinità di legame rispetto a un controllo casuale.
Questo studio presenta un framework innovativo che combina algoritmi evolutivi, intelligenza artificiale generativa e screening virtuale per esplorare in modo efficiente spazi chimici ultra-grandi, dimostrando la sua efficacia nell'identificare e validare biochimicamente nuovi ligandi sintetizzabili per il recettore degli oppioidi.
Il framework statistico ClumPyCells risolve le distorsioni legate alle dimensioni cellulari nell'analisi dell'aggregazione spaziale nei tessuti complessi, permettendo di identificare modelli di interazione cellulare e strutture tissutali accurate attraverso diverse tecnologie di omica spaziale.
Il paper presenta PHENOCAUZ, un framework computazionale che sfrutta le relazioni fenotipo-gene delle malattie mendeliane per collegare i sintomi clinici alle loro cause molecolari, permettendo così di prevedere gli effetti collaterali dei farmaci e identificare nuovi bersagli terapeutici per malattie complesse.
Il paper presenta Cellector, uno strumento computazionale in grado di rilevare cellule con genotipo estraneo nei dati di scRNAseq, dimostrando un'elevata precisione nell'identificare cellule microchimere e residui di malattia minima in pazienti con leucemia post-trapianto.
Il paper presenta scSAGA, un metodo scalabile ed efficiente in termini di memoria basato sull'allineamento di Wasserstein Gromov campionata che integra dati single-cell multimodali preservando la struttura geometrica e permettendo l'analisi di dataset di dimensioni organismiche.
Il paper presenta AINN-P1, un modello linguistico proteico compatto basato su architetture mLSTM che, addestrato esclusivamente su sequenze di aminoacidi, raggiunge prestazioni competitive nella previsione della fitness proteica su ProteinGym, offrendo al contempo vantaggi significativi in termini di efficienza computazionale e scalabilità rispetto ai modelli esistenti.
Questo studio presenta un'analisi integrativa di elementi trasponibili in quattro dataset di RNA-seq a singola cellula del substantia nigra, volta a costruire un atlante specifico per tipo cellulare che chiarisca il ruolo di questi elementi nelle differenze sessuali nel morbo di Parkinson e ne proponga i meccanismi d'azione.
Il paper presenta Lemonite, un framework interpretabile e guidato dai dati che integra trascrittomica e metabolomica per identificare sistematicamente metaboliti regolatori e le loro relazioni con moduli genici in malattie come il glioblastoma e la malattia infiammatoria intestinale, senza richiedere analisi preliminari o annotazioni complete del metaboloma.
Il paper presenta deluxpore, una pipeline Nextflow che consente il demultiplexing affidabile di librerie Nanopore a doppio indice derivate da protocolli Illumina, risolvendo le sfide tecniche legate agli errori di sequenziamento e ai frammenti di adattatori residui per ottimizzare il sequenziamento a lettura lunga di metagenomi target.