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 DEFT, un nuovo metodo che combina modelli linguistici di proteine e analisi strutturali per migliorare l'accuratezza e l'efficienza nella predizione dei numeri EC degli enzimi, dimostrando la sua efficacia nell'annotazione genomica e nella validazione sperimentale degli enzimi degradanti le mucine nei batteri intestinali.
Questo articolo introduce un framework di valutazione bilanciato per entità e una strategia di addestramento nota come UnbiasNet per neutralizzare i bias nei modelli di predizione delle associazioni biologiche multi-input, consentendo una valutazione più rigorosa e affidabile delle interazioni come quelle farmaco-bersaglio e di sinergia.
Questo studio dimostra che un nuovo algoritmo di downsampling basato sui prefissi, combinato con rappresentazioni di k-mer, permette di ridurre le dimensioni dei genomi batterici mantenendo un'alta accuratezza predittiva nei modelli di machine learning, offrendo un'alternativa efficiente ai genomi completi per l'analisi fenotipica.
Il paper presenta PIGLET, un innovativo metodo basato su graph transformer che utilizza una rete di conoscenza proteomica per prevedere le interazioni farmaco-bersaglio, dimostrando prestazioni superiori rispetto ai modelli esistenti, specialmente in scenari di valutazione rigorosi come la divisione basata sui farmaci.
Questo articolo presenta la metodologia ICI-Kt, che interpreta i valori mancanti nei dati metabolomici come informazioni utili derivanti dalla censura sinistra, permettendo di includerli direttamente nel calcolo della correlazione di Kendall-tau per migliorare l'identificazione di campioni anomali e la costruzione di reti di caratteristiche.
Il paper presenta ProteomeLM, un modello linguistico su scala proteomica che, analizzando interi proteomi, permette di prevedere con elevata accuratezza e velocità le interazioni proteina-proteina e l'essenzialità genica attraverso diverse specie, superando i limiti dei metodi basati su singole sequenze.
Questo studio presenta ConNIS, un nuovo metodo statistico che calcola la probabilità delle sequenze senza inserzioni per identificare con maggiore precisione i geni essenziali nelle librerie TraDIS, specialmente a basse densità di inserzione, e introduce un criterio basato sulla subsampling per determinare oggettivamente i parametri di analisi.
Questo studio presenta un quadro robusto basato su modelli di regressione lineare k-mer per prevedere l'impatto delle mutazioni somatiche sul legame dei fattori di trascrizione, rivelando come specifici processi mutazionali nel cancro al seno riorganizzino sistematicamente il paesaggio regolatorio genico in modo specifico per il sottotipo tumorale.
Questo studio dimostra che le attuali metriche di valutazione per i modelli di perturbazione a cellula singola sono spesso fuorvianti a causa di fattori come scala e sparsità, rivelando che i modelli complessi sottoperformano rispetto a semplici baseline e sottolineando la necessità di linee guida più robuste per la creazione di modelli virtuali affidabili.
Lo studio dimostra che, dopo aver controllato per la frequenza allelica, i predittori computazionali degli effetti delle varianti mostrano prestazioni comparabili tra diversi gruppi ancestrali, supportando il loro utilizzo responsabile nella diagnosi genetica.