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 propone MW-RaMViD, un metodo basato su modelli di diffusione probabilistici che genera immagini di tilt mancanti a partire da dati 2D per correggere le distorsioni del "missing-wedge" nella tomografia crioelettronica, dimostrando che l'uso di finestre di condizionamento ampie e passi di completamento ridotti migliora significativamente la fedeltà delle ricostruzioni 3D.
Il paper presenta DeepMDTOMO, un framework di deep learning supervisionato che supera i limiti computazionali dei metodi basati sulla fisica per inferire con precisione i paesaggi conformazionali atomici di biomolecole da dati di criomicroscopia elettronica tomografica, nonostante l'elevato rumore e gli artefatti del cuneo mancante.
Il framework SomaSV integra dati di sequenziamento a lettura lunga e corta per rilevare con alta precisione e a costi ridotti le varianti strutturali somatiche, superando i metodi attuali e identificando geni associati al cancro rilevanti per la diagnosi precoce.
Questo studio in silico identifica firme molecolari condivise e pathway immunitari tra la tiroidite di Hashimoto e il diabete di tipo 2, analizzando l'espressione genica per proporre un meccanismo biologico comune e suggerire potenziali farmaci da riposizionare per la gestione di entrambe le condizioni.
Questo studio valuta sistematicamente strategie di transfer learning per la previsione della risposta alla chemioterapia su dati clinici TCGA, dimostrando che approcci ibridi e di fine-tuning offrono miglioramenti più stabili rispetto al trasferimento diretto di modelli pre-clinici o all'uso di biomarcatori isolati.
Il documento presenta rustybam, un toolkit in Rust per la manipolazione di allineamenti genomici, e SafFire, uno strumento web per la visualizzazione interattiva delle comparazioni genomiche, entrambi open source e progettati per l'analisi e la visualizzazione composable di dati di allineamento.
Questo studio presenta ExCALIBR, un nuovo framework semi-supervisionato che calibra gli assay funzionali ad alto rendimento utilizzando miscele skew-normal per generare probabilità di patogenicità specifiche per variante, superando i metodi attuali e riducendo significativamente le varianti di significato incerto nella medicina genomica.
Il documento presenta resLens, una famiglia di modelli linguistici genomici che, sfruttando rappresentazioni latenti del DNA e superando i limiti dei metodi basati sull'allineamento, migliorano il rilevamento e l'analisi dei geni di resistenza agli antibiotici, anche in presenza di sequenze non presenti nei database di riferimento.
Il paper introduce rbio1, un modello di ragionamento biologico addestrato tramite apprendimento per rinforzo che utilizza modelli del mondo biologico come verificatori approssimati per raggiungere prestazioni all'avanguardia senza richiedere nuovi dati sperimentali.
Il paper presenta DupyliCate, uno strumento Python ad alte prestazioni per l'identificazione, la classificazione e la caratterizzazione delle duplicazioni geniche, dimostrandone l'efficacia e la versatilità attraverso l'analisi di dataset complessi in diverse specie vegetali e animali.