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.
Lo studio dimostra che in *Caenorhabditis elegans* le varianti strutturali, anziché essere eliminate dall'outcrossing come previsto per le mutazioni puntiformi, possono persistere e influenzare la ritenzione delle mutazioni in modo specifico per ceppo, creando blocchi di linkage che alterano la dinamica evolutiva.
Il paper presenta un algoritmo di "tiling" che, sfruttando le letture lunghe e accurate di PacBio, supera le limitazioni dei metodi basati su allineamento per caratterizzare le complesse riarrangiamenti strutturali e le popolazioni miste dei genomi del virus AAV.
RNApdbee 3.0 è un server web unificato che fornisce un'annotazione completa delle strutture secondarie dell'RNA partendo da coordinate 3D, integrando dati 2D e 3D per classificare le interazioni nucleotidiche, gestire residui modificati e generare visualizzazioni grafiche e formati standardizzati.
Il paper introduce KyDab, un database curato che raccoglie dati completi su campagne di scoperta di anticorpi generati tramite la piattaforma Kymouse, fornendo una risorsa preziosa per lo sviluppo e la valutazione di modelli di intelligenza artificiale.
Gli autori presentano un framework di reinforcement learning per addestrare modelli di diffusione per il docking molecolare, migliorando significativamente la validità fisica e l'accuratezza strutturale delle pose generate senza aumentare il costo computazionale durante l'inferenza.
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 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.
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.