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.
Questo studio definisce il ruolo dell'angiotensina nel polmone umano identificando il recettore AGTR1 come un marcatore specifico dei periciti e regolatore della loro funzione, i cui meccanismi di segnalazione influenzano la riparazione dell'airspace e la patogenesi di malattie come l'ENfisema e la BPCO.
Questo studio analizza come le pipeline pangenomiche attuali gestiscono le inversioni, identificando due motivi topologici distinti e rivelando significative discrepanze nella loro rappresentazione e bassi tassi di recupero sia in dati simulati che in dataset umani reali.
Questo studio dimostra che i modelli fondazionali del DNA, in particolare HyenaDNA, superano i metodi tradizionali nella previsione dei siti di legame dei fattori di trascrizione nei genomi vegetali, offrendo un approccio scalabile ed efficiente per l'analisi genomica trans-specie.
Lo studio dimostra che la qualità dei dati, in particolare la sparsità e il rumore nei dati molecolari e la risoluzione delle immagini, influenza più significativamente le prestazioni dei modelli di deep learning per la previsione dell'espressione genica spaziale rispetto alla modifica delle architetture, suggerendo che il miglioramento della qualità dei dati è una strategia fondamentale per superare le limitazioni tecnologiche specifiche.
Questo studio dimostra che la variabilità numerica nelle analisi di risonanza magnetica strutturale per il morbo di Parkinson può essere significativa quanto la variabilità biologica, alterando le conclusioni statistiche, e propone un nuovo framework pratico per quantificare e mitigare tale impatto nella letteratura scientifica.
Il paper presenta jazzPanda, un pacchetto R ibrido che migliora l'identificazione dei geni marcatore nello spaziale transcriptomics integrando le coordinate spaziali e un approccio di "pseudobulking" per superare i limiti degli strumenti tradizionali che ignorano la distribuzione spaziale.
Il documento presenta Pioneer e Altimeter, strumenti open-source che ottimizzano l'analisi dei dati proteomici DIA su larga scala con finestre di isolamento strette, garantendo identificazioni ad alta confidenza e una quantificazione precisa fino a 6 volte più rapida rispetto agli strumenti esistenti.
Il documento presenta edgePython, una porting in Python della libreria edgeR che ne estende le funzionalità con modelli misti e shrinkage empirico per l'analisi differenziale dei dati di espressione genica a cellula singola, superando i limiti dell'implementazione originale basata su R.
Il paper presenta NanoHIVSeq, una pipeline bioinformatica senza UMI e senza riferimento che sfrutta la tecnologia di sequenziamento duplex di Oxford Nanopore per elaborare in modo efficiente, accurato e riproducibile le varianti funzionali del gene Env dell'HIV-1 da dati di sequenziamento a lettura lunga, superando le limitazioni dei metodi tradizionali ad alto throughput.
Questo studio valuta le prestazioni di diversi modelli linguistici di grandi dimensioni nel prevedere l'efficacia terapeutica degli oligonucleotidi antisenso, dimostrando che l'approccio basato sull'ingegneria dei prompt con sequenze di DNA e informazioni sui geni bersaglio supera l'uso delle rappresentazioni SMILES, con GPT-3.5-Turbo che ottiene i migliori risultati nei contesti di apprendimento con pochi esempi.