💻 Category

bioinformatics

1018 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.

💻 bioinformatics

Keloid transcriptomics reveal heterogeneity in fibroblast subtype enrichment, gene expression, and immune cell responses

Questo studio utilizza l'analisi RNA-Seq bulk di tessuti cutanei di cheloide e di tessuto normale appaiato per dimostrare che tenere conto dell'eterogeneità dei tipi cellulari rivela differenze distinte nell'arricchimento di fibroblasti e cellule immunitarie, nelle loro specifiche interazioni e nelle principali firme di espressione genica alla base della patologia del cheloide.

Panzer, J. J., Pan, M., Nair, M., Loveless, I. M., Adrianto, I., Huang, L., Chitale, D., Francescone, R., Vendramini-Cos (…)2026-09-07
💻 bioinformatics

PharmCast: rapid generation of three-dimensional pharmacophore fingerprints from two-dimensional structure without conformer generation

PharmCast è una rete neurale feedforward che predice rapidamente e accuratamente fingerprint farmacoforici 3D direttamente da stringhe SMILES 2D senza generazione di conformeri, consentendo uno screening virtuale e un salto di scaffold efficienti a una frazione del costo computazionale dei metodi tradizionali.

Muskal, S. M., McGregor, M. J.2026-09-07
💻 bioinformatics

Trustworthy ML/AI for Aging Clocks: Preventing Systematic Prediction Bias in Biological Age Estimation

Questo articolo identifica e affronta il problema critico del bias di predizione sistematico negli orologi biologici basati sull'apprendimento automatico, che può distorcere le analisi di associazione a valle, proponendo un framework di ottimizzazione vincolata per garantire una stima e un'inferenza dell'età biologica valide.

Lee, H., Ye, Z., Yang, Y., Pan, Y., Maron, B., Wang, Z., Kochunov, P., Thompson, P., Hong, L. E., MA, T., Chen, C., Chen (…)2026-09-06
💻 bioinformatics

RevPert: predicting candidate drivers of transcriptomic state transitions via gallery-native reverse perturbation

RevPert è un modello di perturbazione inversa nativo della galleria che dà priorità ai candidati driver genetici delle transizioni dello stato trascrizionale combinando la connettività di Pearson firmata con un residuo appreso, dimostrando prestazioni superiori nel recupero di interventi trattenuti e nell'identificazione di ancoraggi rilevanti per le malattie rispetto ai baseline esistenti.

Liang, S., Yang, C., Wang, J., Li, y.2026-09-06
💻 bioinformatics

Coarse composition suffices: tabular in-context learning for multi-activity antimicrobial peptide profiling

Questo articolo dimostra che una pipeline semplice, basata solo sulla sequenza, che combina 330 descrittori interpretabili con il modello di fondazione TabPFN, supera gli approcci di deep learning complessi condizionati dalla struttura nel profiling multi-label dei peptidi antimicrobici sul benchmark ESCAPE, raggiungendo l'accuratezza stato dell'arte senza la necessità di un addestramento basato su gradienti o di dati strutturali.

Pal, A., Kumar, R., Solanki, D., Pareek, P., Singh, J., Singla, J.2026-09-06
💻 bioinformatics

Covariance Nonstationarity is Evident in Spatial Transcriptomics and Provides a New Categorization of Spatially Varying Genes

Questo studio dimostra che la non stazionarietà della covarianza è una caratteristica prevalente e biologicamente significativa nella trascrittomica spaziale che viola le comuni assunzioni dei processi gaussiani, rendendo quindi necessaria una rivalutazione di come i geni spazialmente variabili vengano caratterizzati e categorizzati.

Velidi, P., Wei, Z., Nathoo, F.2026-09-05
💻 bioinformatics

Comparing phenotypic manifolds with Kompot: Cluster-free differential expression at single-cell resolution

Il documento introduce Kompot, un framework statistico cluster-free che consente l'analisi comparativa di dati multi-condizione a risoluzione di singola cellula modellando la densità cellulare e l'espressione genica come funzioni continue per rilevare sia l'abbondanza differenziale che i cambiamenti trascrizionali localizzati ed eterogenei senza fare affidamento su tipi cellulari predefiniti.

Otto, D. J., Arriaga-Gomez, E., Thieme, E., Yang, R., Lee, S. C., Setty, M.2026-09-04
💻 bioinformatics

Probing the transcriptome response to shivering in skeletal muscle using a multilayered bioinformatics approach

Questo studio utilizza un approccio bioinformatico multistrato per caratterizzare la robusta firma trascrizionale, specifica per sesso, del muscolo scheletrico umano in risposta a brividi ripetuti, rivelando come tali adattamenti molecolari diminuiscano con l'acclimatazione al freddo e offrendo nuovi approfondimenti meccanicistici sul miglioramento della salute metabolica.

Kalkhoven, E., Baak, R. E., Hooiveld, G. J. E. J., Schrauwen, P., Hoeks, J., Raymakers, R., van der Stolpe, A., Kersten (…)2026-09-04
💻 bioinformatics

Experimental and In Silico Analysis of the Structural Dynamics of Dengue NS2B-NS3 Protease

Questo studio integra analisi biofisiche sperimentali e simulazioni computazionali per caratterizzare la dinamica strutturale dipendente dal pH e la plasticità conformazionale della proteasi NS2B-NS3 del virus della Dengue, fornendo approfondimenti critici per la progettazione razionale di inibitori antivirali specifici per il pH.

Muthuvel, s. k., BALAKRISHNAN, S. S., MANJINI, S., DHAL, K., DAS, S., S, D.2026-09-04