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 introduce due nuovi metodi implementati nel software MAPLE che, incorporando l'abbondanza delle linee evolutive nei modelli di massima verosimiglianza, migliorano drasticamente l'accuratezza e riducono l'incertezza dell'inferenza filogenetica, specialmente in contesti epidemiologici come quello del SARS-CoV-2 dove le multifurcazioni sono comuni.
Il paper propone una strategia che integra modelli linguistici pre-addestrati con dati scRNA-seq e letteratura biomedica per generare rappresentazioni arricchite di conoscenza, migliorando così l'analisi delle cellule singole attraverso un allineamento ottimale tra dati quantitativi e informazioni testuali.
Il paper presenta Seqwin, un framework open-source scalabile che automatizza l'identificazione di sequenze signature microbiche analizzando grandi collezioni di genomi per migliorare la progettazione di saggi diagnostici.
Il paper presenta Amaranth, un nuovo assemblatore per l'RNA-seq a singola cellula che, sfruttando un modello discriminativo per gestire le differenze statistiche e biologiche tra letture UMI e letture interne, supera le prestazioni degli strumenti esistenti nella ricostruzione accurata di trascritti completi e nell'analisi a livello di isoforme.
Il paper introduce PerturbGraph, un framework basato su reti neurali grafiche che integra dati biologici e interazioni molecolari per prevedere con precisione le risposte trascrizionali a perturbazioni genetiche non osservate, superando le prestazioni dei modelli esistenti.
Il paper descrive Nextstrain, una piattaforma automatizzata che utilizza dati genomici aperti per fornire analisi filodinamiche in tempo reale e aggiornamenti quotidiani sull'evoluzione di 21 virus e del batterio *Mycobacterium tuberculosis*, al fine di supportare interventi di sanità pubblica mirati.
Questo studio dimostra che i modelli di diffusione discreta scalabili possono apprendere implicitamente i vincoli strutturali delle filogenesi tumorali, generando alberi evolutivi realistici e trasferibili tra diversi regimi evolutivi.
Questo studio rivela che la presunta superiorità quantitativa dell'assay PELSA rispetto alla LiP-MS, riportata da Li et al., deriva da condizioni sperimentali non allineate e da un'imputazione dei dati non dichiarata, suggerendo che le conclusioni sulla superiorità del metodo debbano essere valutate con cautela.
Il paper presenta FoundedPBI, un approccio di deep learning basato su un ensemble di modelli linguistici genomici che, integrando segnali biologici complementari e gestendo contesti genomici estesi, supera le prestazioni attuali nella previsione delle interazioni tra fagi e batteri.
Il paper introduce GraphHDBSCAN*, un metodo di clustering gerarchico basato su grafi e privo di iperparametri progettato per identificare popolazioni cellulari biologicamente significative e le loro relazioni gerarchiche nei dati scRNA-seq ad alta dimensionalità, superando i limiti degli approcci attuali che si concentrano solo su partizioni piatte.