💻 Category

bioinformatics

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.

RNAGAN: Train One and Get Four, Multipurpose Human RNA-Seq Analysis Tool with Enhanced Interpretability and Small Data Size Capability

Il paper presenta RNAGAN, un nuovo strumento di intelligenza artificiale basato su reti generative avversariali (GAN) che, addestrato una sola volta su vasti dataset umani, abilita quattro applicazioni multipurpose nell'analisi dell'RNA-Seq (stratificazione dei pazienti, identificazione di marcatori, generazione di dati sintetici e vettorizzazione) migliorando l'interpretabilità biologica e la capacità di gestire piccoli campioni.

HOU, Z., Lee, V. H.-F., Kwong, D. L.-W., Guan, X., Liu, Z., Dai, W.2026-03-20💻 bioinformatics

GenBio-PathFM: A State-of-the-Art Foundation Model for Histopathology

GenBio-PathFM è un modello fondazionale open-weight da 1,1 miliardi di parametri, addestrato esclusivamente su dati pubblici e ottimizzato attraverso una pipeline di curatela automatizzata e una strategia di apprendimento JEDI, che raggiunge prestazioni all'avanguardia nelle benchmark di istopatologia utilizzando una frazione dei dati necessari ai modelli esistenti.

Kapse, S., Aygün, M., Cole, E., Lundberg, E., Song, L., Xing, E. P.2026-03-20💻 bioinformatics

Enhancing non-local interaction modeling for ab initio biomolecular calculations and simulations with ViSNet-PIMA

Questo studio introduce ViSNet-PIMA, un campo di forza basato sull'intelligenza artificiale che supera i limiti delle interazioni localizzate modellando efficacemente le interazioni non locali nei biomolecoli, ottenendo prestazioni superiori rispetto agli stati dell'arte e riducendo significativamente gli errori di calcolo nelle simulazioni di dinamica molecolare ab initio.

Cui, T., Wang, Z., Wang, T.2026-03-20💻 bioinformatics

Computational Prediction of Plasmodium falciparum Antigen-T-cell Receptor Interactions via Molecular Docking: Implications for Malaria Vaccine Design

Questo studio utilizza il docking molecolare e l'immunoinformatica per identificare i potenziali candidati vaccinali contro la malaria, confermando che gli antigeni PfCyRPA, PfMSP10 e PfCSP di *Plasmodium falciparum* presentano un elevato potenziale immunogenico per lo sviluppo di nuovi vaccini.

Kipkoech, G., Kanda, W., Irungu, B., Nyangi, M., Kimani, C., Nyangacha, R., Keter, L., Atieno, D., Gathirwa, J., Kigondu, E., Murungi, E.2026-03-20💻 bioinformatics

A Multi-Dataset Transcriptomic Analysis Unravels Core Mechanisms Involving Vitamin D Metabolism and Inflammatory Pathways for Frailty Diagnosis.

Questo studio integra analisi bioinformatiche di più dataset trascrittomici e modelli di machine learning per identificare firme molecolari robuste, evidenziando che i disturbi del metabolismo della vitamina D e l'infiammazione cronica sono meccanismi chiave per la diagnosi precoce della fragilità.

Hu, X., Zheng, W., Li, Y., Zhou, D.2026-03-20💻 bioinformatics

CliPepPI: Scalable prediction of domain-peptide specificityusing contrastive learning

Il modello CLIPepPI introduce un approccio scalabile basato sull'apprendimento contrastivo e su informazioni strutturali per prevedere con alta accuratezza la specificità delle interazioni tra domini e peptidi direttamente dalle sequenze, superando le limitazioni dei dati sperimentali e abilitando analisi proteomiche su larga scala.

Hochner-Vilk, T., Stein, D., Schueler-Furman, O., Raveh, B., Chook, Y. M., Schneidman-Duhovny, D.2026-03-20💻 bioinformatics

Differentiable Gene Set Enrichment Analysis for Pathway-Level Supervision in Transcriptomic Learning

Il paper presenta dGSEA, un metodo di analisi di arricchimento genico differenziabile che colma il divario tra obiettivi di previsione a livello genico e interpretazione a livello di pathway, migliorando la stabilità e l'accuratezza delle conclusioni biologiche nei modelli di scoperta di farmaci basati sulla trascrittomica.

Li, S., Ruan, Y., Yang, X., Wen, Z., Saigo, H.2026-03-20💻 bioinformatics