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 introduce KuPID, un metodo di pre-elaborazione basato su kmer per letture RNAseq lunghe che accelera e migliora l'accuratezza della scoperta di nuovi isoformi filtrando le letture non rilevanti prima dell'allineamento completo.
Il paper introduce GaugeFixer, un pacchetto Python che risolve il problema della non identificabilità dei parametri nei modelli di relazioni sequenza-funzione sfruttando una struttura matematica specifica per ottenere una scalabilità lineare, rendendo così fattibile l'interpretazione biologica di landscape di fitness complessi con milioni di parametri.
Il paper propone l'uso di GFlowNet per la generazione di peptidi terapeutici, dimostrando che il campionamento proporzionale alla ricompensa garantisce una diversità strutturale intrinseca e robusta, superando il problema del collasso modale tipico degli approcci di reinforcement learning tradizionali.
Questo studio dimostra che la distillazione di un grande modello linguistico proteico in studenti compatti, potenziata da due regolarizzatori complementari basati sull'incertezza e sulla calibrazione, permette di ottenere modelli più veloci ed efficienti che, pur essendo ridotti, superano il modello originale nella generazione di sequenze familiari quando addestrati su dati scarsi.
Il paper presenta ARCH3D, un modello fondazionale che utilizza una nuova attività di modellazione mascherata per catturare la struttura spaziale globale del genoma, ricostruire le interazioni intercromosomiche e abilitare la creazione di un "genoma virtuale" basato sull'intelligenza artificiale.
Questo studio dimostra che i modelli fondazionali dell'RNA, combinati con un nuovo metodo di interpretabilità chiamato CA-IG, migliorano significativamente la generalizzabilità della classificazione dell'endometriosi e forniscono un'interpretazione stabile a livello genico rispetto ai metodi tradizionali.
Il documento presenta PhyMapNet, un framework bayesiano guidato dalla filogenesi che integra informazioni evolutive per inferire reti di interazione microbica robuste e interpretabili, offrendo una soluzione computazionalmente efficiente e priva di sintonizzazione manuale per la generazione di reti di consenso affidabili.
Questo studio presenta un nuovo benchmark longitudinale multimodale e un grande concorso di dati che, attraverso l'analisi delle soluzioni vincenti, ha identificato strategie di modellazione avanzate per prevedere con successo le interazioni regolatorie tra cromatina, trascrittoma e proteoma nelle cellule staminali ematopoietiche.
Il paper introduce STRATA, un framework geometrico differenziale che analizza i dati di trascrittomica spaziale del melanoma umano rivelando come l'ambiente tumorale non elimini l'accoppiamento dei regoloni ma ne omogeneizzi l'architettura, riducendo la varianza e l'intensità dei confini di fase rispetto alla pelle sana.
Il paper presenta TopoMetry, un framework innovativo che apprende e valuta sistematicamente la geometria latente dei dati single-cell, offrendo rappresentazioni ad alta fedeltà che superano i metodi standard nel preservare la struttura biologica e nel rivelare segnali nascosti.