💻 Category

bioinformatics

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.

Learning fragment-based segmentation of binding sites from molecular dynamics: a proof-of-concept on cardiac myosin.

Il documento presenta FragBEST-Myo, un metodo di deep learning basato su una rete 3D U-Net che utilizza la segmentazione semantica di frammenti molecolari su traiettorie di dinamica molecolare per identificare e monitorare i siti di legame sul miocardio cardiaco, dimostrando la sua efficacia nel selezionare conformazioni proteiche adatte al docking e nel guidare la progettazione di farmaci.

Yang, Y.-Y., Pickersgill, R. W., Fornili, A.2026-02-16💻 bioinformatics

Cell phenotypes in the biomedical literature: a systematic analysis and text mining corpus

Il paper presenta CellLink, un corpus annotato manualmente di oltre 22.000 menzioni di popolazioni cellulari che, attraverso l'analisi testuale e l'apprendimento automatico, mappa i fenotipi cellulari dispersi nella letteratura scientifica sul Cell Ontology, rivelando modelli di denominazione e migliorando la struttura ontologica stessa.

Rotenberg, N. H., Leaman, R., Islamaj, R., Kuivaniemi, H., Tromp, G., Fluharty, B., Richardson, S., Eastwood, C., Diller, M., Xu, B., Pankajam, A. V., Osumi-Sutherland, D., Lu, Z., Scheuermann, R. H.2026-02-14💻 bioinformatics

Discovery of TDP-43 aggregation inhibitors via a hybrid machine learning framework

Gli autori hanno sviluppato un approccio ibrido di machine learning che ha permesso di identificare e validare sperimentalmente due nuovi composti, berberrubine e PE859, in grado di inibire l'aggregazione della proteina TDP-43 e di alleviare i difetti motori in modelli biologici di malattie neurodegenerative.

Kapsiani, S., Vora, S., Fernandez-Villegas, A., Kaminski, C. F., Läubli, N. F., Kaminski Schierle, G. S.2026-02-14💻 bioinformatics

CodonRL: Multi-Objective Codon Sequence Optimization Using Demonstration-Guided Reinforcement Learning

Il paper presenta CodonRL, un framework di apprendimento per rinforzo che ottimizza le sequenze di codoni sinonimi per migliorare l'efficienza di traduzione e la stabilità dell'RNA, superando i metodi esistenti grazie a un approccio guidato da dimostrazioni e ricompense intermedie che permette un bilanciamento flessibile tra obiettivi multipli.

Du, S., Kaynar, G., Li, J., You, Z., Tang, S., Kingsford, C.2026-02-14💻 bioinformatics

Feature-based in-silico model to predict the Mycobacterium tuberculosis bedaquiline phenotype associated with Rv0678 variants

Questo studio presenta un modello computazionale basato su cinque caratteristiche, addestrato su dati evolutivi e strutturali, che predice con alta accuratezza la resistenza di *Mycobacterium tuberculosis* al bedaquiline associata alle varianti di Rv0678, offrendo uno strumento promettente per migliorare la gestione clinica della tubercolosi resistente alla rifampicina.

Quispe Rojas, W., de Diego Fuertes, M., Rennie, V., Riviere, E., Safarpour, M., Van Rie, A.2026-02-14💻 bioinformatics