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.
Il pacchetto anndataR migliora l'interoperabilità tra R e Python nell'ambito della trascrittomica a cellula singola consentendo la lettura, la scrittura e la conversione nativa dei file H5AD in oggetti R come SingleCellExperiment e Seurat.
Questo studio presenta un dataset migliorato e standardizzato per la previsione dell'infezione virale nei mammiferi, dimostrando che le prestazioni dei modelli di machine learning migliorano significativamente quando si prevedono categorie ospiti più ampie e si riduce la distanza filogenetica tra i dati di addestramento e di test, mentre la generalizzazione a virus completamente nuovi rimane una sfida aperta.
Il paper presenta MiRformer, un framework generativo unificato basato su trasformatori che supera i limiti dei metodi esistenti per la previsione delle interazioni miRNA-mRNA, l'identificazione dei siti di legame e la sintesi di sequenze miRNA specifiche, offrendo al contempo alta accuratezza e interpretabilità biologica.
Il documento presenta il SSIT (Stochastic System Identification Toolkit), un software open-source in MATLAB progettato per modellare, adattare, prevedere e ottimizzare la progettazione di esperimenti su dati biologici rumorosi e stocastici, offrendo strumenti avanzati per l'inferenza dei parametri, l'analisi di sensibilità e la gestione delle distorsioni sperimentali attraverso un'interfaccia grafica e pipeline automatizzabili.
Il paper presenta SPAE, un modello basato su autoencoder che migliora l'accuratezza e la robustezza nell'identificazione delle dinamiche del ciclo cellulare e degli stati delle cellule nei dati di RNA-seq a singola cellula, consentendo anche la previsione delle transizioni cicliche nelle cellule tumorali e la rimozione degli effetti del ciclo cellulare.
Il paper presenta REMAG, un nuovo strumento basato sull'apprendimento contrastivo e su modelli genomici fondazionali che supera le limitazioni delle pipeline attuali per recuperare genomi eucariotici di alta qualità da dati metagenomici a lettura lunga, ottenendo risultati superiori rispetto agli strumenti esistenti.
Il paper presenta geneSTRUCTURE, una piattaforma moderna e flessibile, disponibile sia come interfaccia a riga di comando che come applicazione web, progettata per visualizzare in modo chiaro e personalizzabile le strutture geniche e le annotazioni supplementari partendo da formati standard come GFF3 e GTF.
Questo studio presenta il primo assemblaggio genomico telomero-a-telomero e l'analisi degli aplotipi del Dendrobium officinale tetraploide, fornendo nuove prospettive sull'evoluzione poliploide delle Orchidacee e sui geni chiave alla base della simbiosi micorrizica.
Lo studio propone una pipeline di machine e deep learning che, analizzando 30 fenotipi e confrontando i risultati con il GWAS Catalog, dimostra che la selezione di SNP basata sulle prestazioni di classificazione permette di identificare con successo i geni associati ai fenotipi, supportando così la medicina di precisione e la comprensione dei meccanismi patologici.
Questo studio in silico identifica la Withaferina A come un promettente inibitore antivirale multi-target contro le proteine chiave del virus Marburg, supportato da risultati di docking molecolare, simulazioni di dinamica molecolare e analisi ADMET che ne confermano la stabilità e il potenziale terapeutico.