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 documento presenta EGGS, uno strumento scritto in C per la generalizzazione empirica di genotipi con dati mancanti, capace di replicare distribuzioni, simulare errori di sequenziamento e deaminazione, convertire formati e gestire dati diploidi.
Il paper presenta CycleGRN, un nuovo framework che infere le reti di regolazione genica dai dati di RNA-seq a singola cellula modellando le dinamiche oscillatorie come un sistema dinamico stocastico, permettendo così di recuperare con successo le interazioni regolatorie direzionali senza richiedere dati temporali o di splicing.
Il paper presenta MOSAIC, un framework spettrale che integra dati multi-omics a livello di singola cellula su scala di popolazione per generare un'incorporazione congiunta di caratteristiche e campioni, permettendo l'analisi della connettività differenziale, il rilevamento di sottogruppi non supervisionati e la previsione degli esiti clinici.
Il paper presenta MAP, un framework guidato dalla conoscenza che integra un vasto grafo biologico e strategie di pre-addestramento per prevedere le risposte cellulari a farmaci non profilati, superando i limiti dei modelli esistenti nella generalizzazione zero-shot e dimostrando efficacia nel prioritizzare farmaci antitumorali approvati.
Il paper presenta SpaMOAL, un metodo di apprendimento contrastivo basato su grafi che integra coordinate spaziali, immagini istologiche e profili molecolari per identificare con precisione i domini tissutali nei dati multi-omici spaziali, superando le prestazioni delle tecniche esistenti.
Questo studio introduce un framework di trasporto ottimale basato su dati di RNA-seq a singola cellula per ricostruire le dinamiche di differenziazione delle cellule T CD8, rivelando come l'ingresso temporale nei tessuti e il regolatore trascrizionale AP4 guidino la formazione di cellule T della memoria residenti nei tessuti e circolanti.
Il paper presenta keju, un modello statistico gerarchico che migliora significativamente sensibilità e controllo dei falsi positivi nell'analisi degli esperimenti MPRA, superando i metodi precedenti gestendo in modo più accurato le incertezze tra le letture di DNA e RNA e tra i diversi batch.
Questo studio presenta un'analisi comparativa dei metodi di screening delle caratteristiche basati sul principio del "sure screening" per l'analisi di dati omici ad alta dimensionalità, identificando BcorSIS come l'approccio più efficace ed efficiente dal punto di vista computazionale per la selezione di biomarcatori predittivi in contesti di classificazione machine learning.
Il metodo GeCCo rivoluziona l'identificazione delle cellule nel transcriptomica a singola cellula costruendo identità gerarchiche basate su programmi genici specifici per il contesto, risolvendo così l'incoerenza geometrica dei metodi di clustering tradizionali e permettendo una classificazione cellulare più robusta e biologicamente significativa.
Il paper presenta bionSBM, un metodo di modellazione tematica basato su grafi che integra dati multi-omici a singola cellula per ottenere cluster biologicamente interpretabili con prestazioni superiori rispetto agli stati dell'arte.