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.
OmicClaw è un framework eseguibile basato sul linguaggio naturale che, sfruttando l'ecosistema unificato OmicVerse e il runtime J.A.R.V.I.S., risolve la frammentazione nell'analisi multi-omica trasformando le richieste degli utenti in flussi di lavoro riproducibili e tracciabili per l'elaborazione di dati biologici complessi.
Questo studio sviluppa un modello matematico basato su equazioni differenziali strutturate per il fenotipo che, integrando la competizione per le risorse e i compromessi vita-storia, dimostra come diversi regimi terapeutici modellino dinamicamente l'eterogeneità proliferativa del tumore, selezionando cloni a crescita rapida o lenta e offrendo così una base meccanicistica per progettare strategie che contrastino la resistenza adattativa.
Il paper presenta 3D-Manhattan, un tool interattivo basato su WebGL che integra i risultati di molteplici studi di associazione genome-wide (GWAS) in un unico sistema di coordinate tridimensionale per facilitare il confronto visivo di segnali genetici attraverso tempo, tratti o condizioni sperimentali.
Questo studio presenta un approccio integrato che combina intelligenza artificiale e chimica quantistica per progettare e validare computazionalmente "Solres", una nuova molecola antibatterica mirata a contrastare la resistenza antimicrobica nel patogeno vegetale *Ralstonia solanacearum*.
RNAElectra è un modello fondazionale per l'RNA ad alta risoluzione che, sostituendo il tradizionale mascheramento delle parole con la rilevazione di token sostituiti (RTD), supera i limiti di coerenza tra pre-addestramento e inferenza, offrendo prestazioni superiori e interpretabilità in una vasta gamma di compiti di regolazione e ingegneria dell'RNA.
Il paper introduce ATOMICA, un modello di apprendimento profondo geometrico che apprende rappresentazioni atomiche universali delle interazioni intermolecolari su cinque modalità diverse, dimostrando prestazioni superiori in compiti di classificazione e capacità di identificare con successo leganti per proteine "oscure" non caratterizzate.
Questo studio presenta AFESM, un dataset di 820 milioni di strutture proteiche predette che, attraverso un'analisi metagenomica su larga scala, ha rivelato migliaia di nuove combinazioni di domini e decine di nuovi ripiegamenti proteici, sottolineando il ruolo cruciale dei dati metagenomici e della qualità della predizione nell'esplorare l'universo strutturale delle proteine.
Il documento presenta BiOS, un framework open-source modulare che, aderendo ai principi FAIR, risolve le problematiche di eterogeneità e frammentazione dei dati sulla biodiversità offrendo sia un'API per sviluppatori che un'interfaccia web intuitiva per l'esplorazione e l'integrazione di risorse multidisciplinari.
Il paper presenta SC-BIG, un modello bayesiano gerarchico che sfrutta i dati di sequenziamento bulk per migliorare l'identificazione delle varianti nucleotidiche somatiche nelle cellule singole, superando i limiti dei metodi esistenti e fornendo probabilità posteriori ben calibrate per l'analisi dell'eterogeneità tumorale.
Questo studio presenta un benchmark esplicativo di 26 metodi per il rilevamento di domini spaziali su 63 sezioni tissutali e oltre 1.000 dataset semi-sintetici, rivelando che le prestazioni dipendono fortemente dalla risoluzione e dall'eterogeneità cellulare e dimostrando che la scelta della pre-elaborazione e del clustering ha un impatto maggiore rispetto alla novità architetturale nelle reti neurali.