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 paper presenta ARCH3D, un modello fondazionale che utilizza una nuova attività di modellazione mascherata per catturare la struttura spaziale globale del genoma, ricostruire le interazioni intercromosomiche e abilitare la creazione di un "genoma virtuale" basato sull'intelligenza artificiale.
Questo studio dimostra che i modelli fondazionali dell'RNA, combinati con un nuovo metodo di interpretabilità chiamato CA-IG, migliorano significativamente la generalizzabilità della classificazione dell'endometriosi e forniscono un'interpretazione stabile a livello genico rispetto ai metodi tradizionali.
Il documento presenta PhyMapNet, un framework bayesiano guidato dalla filogenesi che integra informazioni evolutive per inferire reti di interazione microbica robuste e interpretabili, offrendo una soluzione computazionalmente efficiente e priva di sintonizzazione manuale per la generazione di reti di consenso affidabili.
Questo studio presenta un nuovo benchmark longitudinale multimodale e un grande concorso di dati che, attraverso l'analisi delle soluzioni vincenti, ha identificato strategie di modellazione avanzate per prevedere con successo le interazioni regolatorie tra cromatina, trascrittoma e proteoma nelle cellule staminali ematopoietiche.
Il paper introduce STRATA, un framework geometrico differenziale che analizza i dati di trascrittomica spaziale del melanoma umano rivelando come l'ambiente tumorale non elimini l'accoppiamento dei regoloni ma ne omogeneizzi l'architettura, riducendo la varianza e l'intensità dei confini di fase rispetto alla pelle sana.
Il paper presenta TopoMetry, un framework innovativo che apprende e valuta sistematicamente la geometria latente dei dati single-cell, offrendo rappresentazioni ad alta fedeltà che superano i metodi standard nel preservare la struttura biologica e nel rivelare segnali nascosti.
Questo studio dimostra che l'utilizzo dello strumento di riscore basato sul machine learning MS2Rescore migliora significativamente i tassi di identificazione dei peptidi e la specificità tassonomica nella metaproteomica, consentendo una maggiore affidabilità nelle analisi a valle.
Il paper presenta Floco, un metodo innovativo per la previsione del numero di copie (CN) basato su un flusso di rete che, integrando allineamenti su grafi genomici e programmazione lineare intera, supera i limiti delle stime tradizionali basate sulla profondità di lettura, aumentando l'accuratezza fino al 43%.
Il paper presenta CoMR, una pipeline di scoring integrativa che combina previsioni di targeting, omologia e analisi filogenetica per ricostruire con maggiore accuratezza il proteoma mitocondriale in organismi modello e non modello, superando le prestazioni dei predittori di targeting tradizionali.
Il paper propone RSTG, un autoencoder basato sulla divergenza beta che genera dati di trascrittomica spaziale di alta qualità e robusti al rumore, migliorando la ricostruzione delle posizioni cellulari e la stima della densità rispetto ai metodi esistenti.