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.

💻 bioinformatics

Benchmarking BEAGLE to find optimal parameters for BEAST X

Questo studio presenta i risultati di un benchmarking dell'integrazione della libreria BEAGLE nel pacchetto BEAST X, dimostrando come l'allocazione delle risorse hardware e la configurazione dei parametri influenzino significativamente i tempi di esecuzione su dati reali e simulati, fornendo così linee guida per ottimizzare l'uso delle GPU nelle analisi filogenetiche.

Fosse, S., Duchene, S., Duitama Gonzalez, C.2026-03-12
💻 bioinformatics

Cyclic peptides space: The methodology of sequence selection to cover the comprehensive physical properties

Questo studio propone una metodologia innovativa che integra il modello linguistico ESM-2 con la permutazione ciclica delle embedding per definire uno "spazio peptidico" completo, permettendo la selezione razionale di librerie di peptidi ciclici con proprietà fisico-chimiche diversificate e migliorando l'efficienza nella scoperta di farmaci rispetto ai metodi casuali tradizionali.

Tsuchihashi, R., Kinoshita, M.2026-03-12
💻 bioinformatics

Comparative Analysis of Structural and Dynamical Properties of Lipid Membranes Simulated with the AMBER Lipid21 ForceField Using SPC/E, TIP3P, TIP3P-FB, TIP4P-FB, TIP4P-Ew, TIP4P/2005, TIP4P-D, and OPC Water Models

Lo studio dimostra che, tra otto modelli d'acqua testati con il campo di forza AMBER Lipid21 per simulare membrane lipidiche, il modello SPC/E rappresenta la scelta ottimale poiché riproduce con la massima fedeltà le proprietà strutturali sperimentali senza necessità di modifiche.

Chakraborty, D. S., Singh, P. P., Dey, C., Kaur, J.2026-03-12
💻 bioinformatics

User-driven development and evaluation of an agentic framework for analysis of large pathway diagrams

Questo articolo descrive lo sviluppo guidato dagli utenti di Llemy, un sistema basato su modelli linguistici di grandi dimensioni progettato per facilitare l'esplorazione e l'analisi di complessi diagrammi di interazioni molecolari attraverso un processo iterativo di prototipazione e test con esperti del settore.

Corradi, M., Djidrovski, I., Ladeira, L., Staumont, B., Verhoeven, A., Sanz Serrano, J., Rougny, A., Vaez, A., Hemedan (…)2026-03-12
💻 bioinformatics

MultiPopPred: A Trans-Ethnic Disease Risk Prediction Method, and its Application to the South Asian Population

Il paper presenta MultiPopPred, un metodo innovativo e semplice per la stima del punteggio di rischio poligenico trans-etnico che, sfruttando dati individuali e trasferendo informazioni da popolazioni ben studiate, migliora significativamente la previsione del rischio di malattia nella popolazione sud-asiatica rispetto ai metodi esistenti.

Kamal, R., Narayanan, M.2026-03-11
💻 bioinformatics

Hybrid untargeted and targeted RNA sequencing facilitates genotype-phenotype associations at single-cell resolution

Questo studio propone una strategia ibrida che combina l'amplificazione dell'intero trascrittoma a lettura corta (SR-WTA) con il sequenziamento mirato a lettura lunga (LR-Twist) per superare i limiti di copertura e facilitare l'associazione tra genotipo e fenotipo a risoluzione singola cellula.

Wang, J., Maldifassi, M., Bratus-Neuenschwander, A., Zhang, Q., Beuschlein, F., Penton, D., Robinson, M. D.2026-03-11
💻 bioinformatics

Generalise or Memorise? Benchmarking Ligand-Conditioned Protein Generation from Sequence-Only Data

Questo studio valuta la progettazione di proteine leganti ligandi utilizzando esclusivamente dati sequenziali, rivelando un compromesso tra diversità generativa e stabilità strutturale che dipende dalla quantità di dati di addestramento per ligando e identificando la ridondanza e l'incompletezza dei dataset come principali colli di bottiglia.

Vicente, A., Dornfeld, L., Coines, J., Ferruz, N.2026-03-11