1246 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.
Questo studio ribalta l'ipotesi tradizionale secondo cui l'affinità di legame statica è il principale fattore di successo, proponendo invece l'"Ipotesi di Compatibilità Cinetica" per la neutralizzazione del virus Nipah, che evidenzia come l'efficacia dipenda da un profilo multi-funzionale basato su flessibilità strutturale e motivi sequenziali specifici piuttosto che sulla massima affinità.
Il paper introduce HAETAE, un modello trasformatore epigenomico altamente accurato ed efficiente che integra la metilazione del DNA in un framework a 5 basi per prevedere le modificazioni istoniche specifiche dei tessuti e decifrare la logica regolatoria contestuale, superando i paradigmi di scalabilità tradizionali.
Questo studio propone un approccio non supervisionato basato sull'identificazione di anomalie spaziali nella sequenza dei recettori delle cellule T (TCR) per rilevare cloni specifici per l'antigene a bassa frequenza, superando le prestazioni dei metodi tradizionali e identificando con successo cloni rari in contesti come COVID-19, influenza e febbre gialla.
Questo lavoro propone un quadro bayesiano quantitativo che trasforma la valutazione del rischio biosicurezza da un approccio categorico statico a un sistema dinamico e misurabile, integrando i gruppi di rischio dell'OMS con modelli probabilistici per ottimizzare la gestione delle risorse e la prevenzione degli incidenti nei laboratori.
Questo studio presenta un flusso di lavoro innovativo che combina l'acquisizione indipendente dai dati (DIA) ad alta risoluzione e la scansione completa ad alta risoluzione per identificare rapidamente e senza coltura i patogeni delle infezioni del tratto urinario nei campioni clinici, offrendo una soluzione scalabile e ad alto rendimento per la diagnosi clinica.
Il paper introduce FishMamba-1, il primo modello fondazionale genomico basato sull'architettura Mamba a complessità lineare, progettato per decifrare con alta precisione i complessi genomi poliploidi dei Ciprinidi superando i limiti computazionali dei modelli Transformer tradizionali.
Il paper presenta CESAR, un nuovo strumento computazionale che utilizza segmentazione e ricalibrazione dinamica degli ancoraggi per rilevare con alta sensibilità le variazioni del numero di copie nel DNA tumorale circolante, superando le limitazioni dei metodi tradizionali e di strumenti come CNVkit nel contesto di frazioni tumorali estremamente basse.
Il paper presenta MESSI, un framework di benchmarking riproducibile basato su Nextflow che valuta in modo sistematico e standardizzato i metodi di integrazione multimodale su dati biomedici reali e simulati, rivelando che non esiste un metodo universalmente superiore e che la scelta dovrebbe bilanciare prestazioni predittive, interpretabilità biologica ed efficienza computazionale.
Il documento presenta un'estensione del modello bayesiano BICEP per la priorizzazione delle varianti rare nei pedigree, che ora include indel e varianti del numero di copie, dimostrando prestazioni comparabili a quelle del modello originale per le varianti a singolo nucleotide.
Il paper presenta CellDEEP, un nuovo strumento che utilizza l'aggregazione delle cellule (metacell) per migliorare l'analisi dell'espressione genica differenziale nello scRNA-seq, riducendo i falsi positivi tipici dei metodi a cellula singola e aumentando la sensibilità rispetto agli approcci pseudobulk.