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 ha creato un vasto archivio di spettrometria di massa per le carnitine analizzando dati da più repository, identificando migliaia di nuove strutture chimiche e fornendo una risorsa fondamentale per esplorare il loro ruolo nel metabolismo, nella dieta e nelle malattie.
Questo studio presenta Carafe2, un nuovo strumento software basato su deep learning che genera librerie spettrali *in silico* di alta qualità e specifiche per l'esperimento direttamente dai dati grezzi timsTOF DIA, superando le prestazioni dei modelli preaddestrati su dati DDA e migliorando l'identificazione e la quantificazione dei peptidi in diverse applicazioni proteomiche.
Questo articolo presenta Parallel-REM, un pipeline Python parallelo e scalabile che risolve i colli di bottiglia computazionali dei modelli ad effetti casuali per l'inferenza di reti microbiche, riducendo i tempi di elaborazione da giorni a minuti su grandi dataset clinici mantenendo un'alta accuratezza statistica.
Il documento presenta BCAR, un mappatore veloce e generale di sequenze di codici a barre progettato specificamente per correggere gli errori di sequenziamento, inclusi quelli da inserzioni e delezioni, ottenendo mappe di alta qualità che superano i metodi esistenti.
Il paper presenta scTGCL, un approccio innovativo basato su Transformer e apprendimento contrastivo su grafi che supera le sfide di dimensionalità e rumore nei dati scRNA-seq, offrendo prestazioni di clustering superiori e maggiore efficienza computazionale rispetto ai metodi esistenti.
Gli autori presentano un nuovo algoritmo lineare che orienta i grafi bidirezionali contenenti punte o punti di articolazione per trasformarli in grafi diretti, consentendo il calcolo efficiente degli ultrabubble nei pangenomi con speedup significativi rispetto agli strumenti esistenti come vg e BubbleGun.
Il paper presenta GraphBG, un framework scalabile e unificato che combina convoluzioni grafiche spettrali approssimate con modelli bayesiani variazionali per rilevare con precisione domini spaziali coerenti in dati di trascrittomica spaziale multi-slice e multi-modale, superando i metodi esistenti in termini di velocità, integrazione e rilevanza biologica.
Il documento presenta KuafuPrimer, un approccio basato sul machine learning che progetta primer ottimali per il sequenziamento dell'amplicone 16S, riducendo significativamente i bias e migliorando l'accuratezza tassonomica e la rilevazione di patogeni chiave rispetto ai primer universali tradizionali.
Il paper presenta MetaGEAR Explorer, una piattaforma web interattiva che consente ricerche rapide e analisi trasversali di oltre 33 milioni di famiglie geniche microbiche in 9.053 campioni per identificare associazioni con malattie come il cancro del colon-retto e le malattie infiammatorie intestinali.
Il documento dimostra che il modello AI Boltz-2 supera tutte le altre strategie di riscoreggio nel classificare con successo composti in screening virtuali su larga scala, offrendo un metodo accurato, efficiente e robusto che può essere eseguito su risorse commerciali.