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 dimostra che i paleologhi, geni duplicati durante antiche duplicazioni dell'intero genoma, sono significativamente arricchiti nelle liste di candidati per la domesticazione in molte specie coltivate, rivelando che il ritorno allo stato di copia singola non preclude la selezione funzionale e fornendo un substrato genomico persistente per l'evoluzione delle colture.
Questo studio presenta una strategia diagnostica integrata computazionale e sperimentale che ha identificato e validato sperimentalmente l'epitopo 5 come candidato altamente specifico e sensibile per la diagnosi sierologica della malattia di Chagas, superando le problematiche di reattività crociata con la leishmaniosi nelle regioni endemiche.
Il paper presenta MSstatsResponse, un nuovo framework statistico semi-parametrico basato sulla regressione isotona che migliora l'accuratezza e la robustezza nell'identificazione delle interazioni farmaco-proteina negli esperimenti di chemoproteomica a dose-risposta, superando i limiti dei metodi esistenti specialmente in condizioni di basso numero di replicati o dosaggi.
Il paper presenta CDS-BART, un modello fondazionale open-source basato su BART e addestrato su dati mRNA di nove gruppi tassonomici, progettato per colmare il divario esistente offrendo uno strumento accessibile e capace di analizzare sequenze mRNA terapeutiche lunghe fino a 4 kb.
Il paper presenta TEgenomeSimulator, un framework flessibile per la generazione di genomi sintetici con paesaggi di elementi trasponibili configurabili, progettato per superare le limitazioni nell'annotazione e nel benchmarking degli elementi trasponibili offrendo un controllo sperimentale superiore rispetto ai simulatori esistenti.
Il paper presenta DiffEvol, un nuovo quadro concettuale che modella l'evoluzione come un processo di diffusione vincolata nello spazio dei genotipi, permettendo di ricostruire le funzioni di vincolo e le tendenze di fitness (come la transizione di fase post-vaccino nel SARS-CoV-2) per migliorare la previsione dei ceppi emergenti e l'analisi retrospettiva delle dinamiche evolutive.
Il paper presenta SwiftTCR, un protocollo di docking computazionale rapido ed efficiente che, sfruttando rotazioni restrittive e l'attrezzo GradPose, supera i metodi esistenti nella previsione delle strutture dei complessi TCR-pMHC-I, facilitando così lo sviluppo di terapie e algoritmi di deep learning basati sulla struttura.
Lo studio dimostra che l'efficacia della selezione dei genomi di riferimento per il profilo tassonomico dipende dal contesto biologico e dalla risoluzione richiesta, poiché l'inclusione di tutti i genomi è ottimale per la classificazione a livello di specie batterica, mentre la selezione mirata migliora l'accuratezza e l'efficienza computazionale a livello di ceppo e per i virus.
Il paper presenta FASTiso, un algoritmo esatto per l'isomorfismo di sottografi che, grazie a una forte coerenza tra strategia di ordinamento delle variabili e regole di potatura, supera le prestazioni dei solver di riferimento su dataset eterogenei mantenendo un basso consumo di memoria.
Il paper presenta un framework di transfer learning che combina modelli linguistici proteici preaddestrati con un affinamento guidato dalla filogenesi per migliorare l'accuratezza della predizione degli epitopi di cellule B lineari, specialmente per patogeni emergenti o con dati limitati.