895 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 valuta rigorosamente sette metodologie all'avanguardia per la rimozione dell'RNA ambientale nei dati di sequenziamento dell'RNA a singola cellula, concludendo che, sebbene non esista un metodo superiore in tutti i contesti, CellBender, DecontX e SoupX offrono generalmente le prestazioni migliori.
Gli autori hanno sviluppato un server DGIdb basato sul protocollo Model Context Protocol (MCP) che consente ai modelli linguistici di grandi dimensioni di accedere direttamente e in linguaggio naturale alle informazioni aggiornate del database DGIdb, migliorando significativamente la loro capacità di rispondere a domande complesse su interazioni farmaco-gene.
Questo studio presenta un autoencoder adattivo con prior di processo di Dirichlet che, pur riducendo leggermente l'accuratezza nel recupero delle etichette, migliora significativamente la coerenza geometrica e la visualizzazione dei dati di trascrittomica a cellula singola, definendo così un regime operativo ottimale per l'analisi di traiettorie e la mappatura di programmi biologici.
Il paper presenta Topic-FM, una famiglia di VAE neurali basati su argomenti che vincolano lo spazio latente al semplice delle probabilità per ottenere programmi genici interpretabili, migliorando significativamente le metriche di clustering e classificazione su 56 dataset di scRNA-seq senza compromettere la coerenza biologica.
Questo studio identifica firme metaboliche nel siero, tra cui carnitine, composti dietetici come la piperina e metaboliti del farmaco metoprololo, associate alla resilienza cognitiva in un cohorte longitudinale di 237 individui che invecchiano.
Questo studio dimostra che l'integrazione della localizzazione subcellulare nei modelli di machine learning migliora significativamente la predizione della rilevabilità proteica nel cancro, rivelando una diffusa discordanza tra RNA e proteine che evidenzia i limiti delle interpretazioni basate esclusivamente sull'espressione trascrizionale.
Il paper introduce CROWN, un nuovo dataset curato e pronto per l'apprendimento automatico di 153.005 complessi proteina-ligando che risolve il compromesso tra copertura e qualità dei dati esistenti attraverso un pipeline di pre-elaborazione automatizzata e minimizzazione energetica vincolata, offrendo una diversità strutturale quattro volte superiore a quella di PDBBind e HiQBind.
Questo lavoro presenta Claw4Science, una piattaforma e un dataset curato che unifica e analizza l'ecosistema frammentato degli agenti scientifici OpenClaw, fornendo un'infrastruttura fondamentale per lo sviluppo futuro di strumenti di intelligenza artificiale nella ricerca scientifica.
Questo studio dimostra che le strategie di trasformazione dei dati, in particolare quelle basate sul ranking, costituiscono l'approccio più efficace per rendere le Random Forest robuste alla contaminazione dei dati nella predizione genomica, offrendo un quadro generale per decidere quando adottarle rispetto ai metodi standard.
Il paper introduce BulkMonSTR, un nuovo framework computazionale che combina modellazione degli errori specifica per i ripetuti corti (STR) e classificazione tramite machine learning per rilevare con alta precisione le mutazioni mosaico a livello di nucleotide nei dati di sequenziamento di massa, superando le limitazioni dei metodi esistenti e fornendo una base scalabile per studiare il ruolo di queste mutazioni nell'invecchiamento e nelle malattie.