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.
Il paper presenta OPTIMIS, un framework basato sull'intelligenza artificiale che combina modelli stocastici microscopici e equazioni differenziali macroscopiche in un surrogato differentiabile ad alta velocità, permettendo l'uso del reinforcement learning per ottimizzare terapie cellulari personalizzate e prevenire reazioni immunitarie pericolose attraverso un aggiustamento dinamico del dosaggio.
Il paper presenta Allos, un toolkit Python open-source basato su AnnData che integra l'analisi, la visualizzazione e l'interpretazione dei dati di trascrittomica a risoluzione di isoforma per studi single-cell e spaziali, colmando il divario tra le tecnologie di sequenziamento a lettura lunga e i framework computazionali esistenti.
Lo studio, basato su modelli strutturali di coppie enzimatiche consecutive in *E. coli*, non trova prove che i siti catalitici degli enzimi interagenti siano organizzati spazialmente per ottimizzare il trasferimento di metaboliti, nonostante una maggiore tendenza all'interazione rispetto al caso.
Il modello di apprendimento auto-supervisionato Tripso supera le limitazioni delle rappresentazioni cellulari monolitiche generando embedding specifici per programmi genici, consentendo così l'identificazione di pattern biologici legati all'età, la validazione sperimentale di nuovi approcci terapeutici per le cellule staminali ematopoietiche e la scoperta di firme molecolari precedentemente sconosciute nelle malattie dermatologiche.
Lo studio dimostra che l'addestramento tramite apprendimento per rinforzo su modelli linguistici del DNA, utilizzando l'ottimizzazione della politica relativa di gruppo, non solo migliora drasticamente la qualità delle plasmidi generate rispetto ai modelli pre-addestrati, ma induce anche l'emergere di realismo biologico intrinseco, come stabilità termodinamica e schemi di utilizzo dei codoni, senza che tali proprietà siano state esplicitamente ottimizzate.
SpaMosaic è un nuovo strumento scalabile basato sull'apprendimento contrastivo e sulle reti neurali grafiche che integra dati multi-omics spaziali eterogenei per identificare domini spaziali coerenti, correggere effetti batch e imputare con precisione le modalità mancanti, facilitando la costruzione di atlanti biologici completi.
Il documento introduce la "Signature Distance", una metrica strutturale che generalizza la distanza energetica per confrontare distribuzioni empiriche catturando variazioni di densità e struttura topologica, risultando efficace nell'analisi di dati biologici ad alta dimensionalità e come funzione di perdita differenziabile per l'addestramento di modelli generativi.
Questo articolo presenta la "fitness translocation", una strategia di aumento dei dati che sfrutta le informazioni di fitness di proteine omologhe per migliorare l'accuratezza della previsione degli effetti delle varianti proteiche, specialmente in scenari con dati di addestramento limitati.
Il paper presenta Chromatix, una libreria open-source, accelerata da GPU e differenziabile basata su JAX, che standardizza le simulazioni di ottica ondulatoria per democratizzare la progettazione di sistemi ottici computazionali e migliorare le prestazioni fino a 22 volte.
Il paper presenta cellSight, un flusso di lavoro automatizzato e user-friendly per l'analisi del RNA-sequencing a singola cellula che ottimizza l'elaborazione dei dati, migliora la riproducibilità e accelera le scoperte biologiche e cliniche.