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.
Il paper presenta l'algoritmo Trivial Tangle Traverser (TTT), che risolve automaticamente le ambiguità nei grafi di assemblaggio genomico utilizzando informazioni sulla copertura e sull'allineamento delle letture per generare sequenze di modelli ottimali, eliminando la necessità di una curatela manuale laboriosa.
Questo studio di analisi *in silico* suggerisce che i diversi domini della proteina umana titina (immunoglobulin-like, fibronectina tipo III e chinasi) si degradano a velocità differenti dopo la morte, proponendoli come potenziali nuovi marcatori molecolari per la stima dell'intervallo post-mortem (PMI) in ambito forense.
Gli autori hanno sviluppato DIA-NN EasyFilter, un flusso di lavoro KNIME intuitivo e veloce che facilita il filtraggio, la valutazione e la visualizzazione dei dati proteomici DIA-NN, rendendo l'analisi accessibile agli utenti senza competenze di programmazione.
NanoVI è una pipeline Nextflow basata sull'inferenza variazionale bayesiana che permette una classificazione tassonomica a livello di specie dei reads 16S rRNA completi di Oxford Nanopore, offrendo stime di abbondanza con intervalli di credibilità e una riduzione dei falsi positivi rispetto agli strumenti esistenti.
Il paper presenta PhosSight, un framework di deep learning unificato che potenzia l'identificazione e accelera l'analisi del fosfoproteoma sia in modalità DDA che DIA, permettendo la scoperta di nuovi bersagli terapeutici nel cancro endometriale.
FAMUS è un innovativo framework di apprendimento few-shot basato sul contrasto che supera i metodi tradizionali di annotazione funzionale delle proteine, offrendo una soluzione precisa e scalabile per l'analisi su larga scala di dati genomici e metagenomici.
Questo studio presenta SCL2205, un dataset di alta qualità e privo di fughe di dati derivato da UniProtKB che, grazie a un rigoroso pre-processing e a una partizione stringente, supera le prestazioni degli attuali modelli all'avanguardia nella previsione della localizzazione subcellulare delle proteine, evidenziando al contempo l'inflazione delle metriche causata da perdite di dati nei metodi esistenti.
Lo studio dimostra che la fosforilazione di un epitopo derivato da ASXL2 nei tumori modula le interazioni dinamiche e aumenta l'affinità di legame con l'HLA, fornendo così una base strutturale per lo sviluppo di nuove immunoterapie mirate.
Il paper presenta STAR Suite, una modernizzazione del software di allineamento STAR realizzata tramite ingegneria umana e AI che integra direttamente funzionalità di trascrittomica nel codice sorgente C++ per eliminare file intermedi e migliorare le prestazioni, risolvendo così i problemi di scalabilità del consorzio NIH MorPhiC.
Questo studio dimostra che l'uso di un approccio di previsione genomica basato su ensemble, implementato tramite la pipeline EasiGP, migliora sistematicamente l'accuratezza nella previsione dei tempi di fioritura nel mais rispetto ai singoli modelli, offrendo al contempo nuove intuizioni sulla variabilità genetica sottostante.