1018 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 documento introduce evoPLM-Tree, un modello linguistico condizionale consapevole dell'albero che integra il contesto filogenetico per prevedere accuratamente i pattern mutazionali virali e le traiettorie evolutive specifiche per lignaggio, dimostrando un forte allineamento con i vincoli funzionali sperimentali.
Questo articolo propone un framework di integrazione multi-omica guidato dalla stabilità che combina l'analisi di correlazione canonica generalizzata sparsa con una rigorosa validazione incrociata per identificare strutture latenti riproducibili, dimostrando la sua efficacia in una coorte di cancro alla tiroide rivelando associazioni di malattia coerenti e cambiamenti temporali nei profili metabolomici e proteomici.
Questo articolo presenta un benchmark completo della robustezza dei modelli di segmentazione attraverso 30 dataset di imaging biologico e 36 tipi di corruzione, rivelando che le alte prestazioni sulle immagini pulite non garantiscono la resilienza alle corruzioni e che metodi più datati come StarDist possono superare i moderni modelli foundation, con i fallimenti che si verificano principalmente nei primi strati di codifica.
Questo studio introduce il benchmark HuMonoAg-Bench per valutare dieci protocolli di co-folding anticorpo-antigene, rivelando che, sebbene i metodi recenti abbiano significativamente migliorato la modellazione di CDRH3 e raggiunto un'accuratezza media o superiore per circa la metà dei complessi post-cutoff, persistono sfide nel campionamento delle modalità di legame corrette e nella modellazione dei loop flessibili, limitando la predizione di molti complessi strutturalmente eterogenei.
Kiosc è una piattaforma web self-hosted e user-friendly basata su Django che semplifica l'orchestrazione, l'organizzazione e il controllo degli accessi di applicazioni web bioinformatiche containerizzate con Docker, offrendo un'alternativa a basso overhead rispetto a Kubernetes per la condivisione di risultati di analisi interattivi.
Il documento introduce BIOCURRENT, un framework di inferenza causale che ricostruisce la geometria del pseudotempo specifico del donatore per quantificare come i contesti microambientali distorcano gli intervalli di progressione trascrizionale, identificando così deviazioni specifiche per stadio e potenziali checkpoint di intervento in sistemi biologici complessi come lo sviluppo delle cellule T e la disregolazione immunitaria da COVID-19.
CodonMamba è un modello di fondazione allo stato dell'arte per la progettazione di sequenze codificanti di mRNA che, attraverso il pre-addestramento su corpora su larga scala, raggiunge prestazioni superiori nei compiti di predizione e consente un controllo programmabile, durante l'inferenza, dell'ottimizzazione dei codoni per soddisfare specifiche preferenze dell'ospite o dell'applicazione senza necessità di riaddestramento.
Questo articolo introduce un criterio di Incertezza Minima calibrato e consapevole della risoluzione e un framework di valutazione del potere discriminativo per migliorare la robustezza, l'interpretabilità e la calibrazione statistica dell'apprendimento della struttura di reti bayesiane da dati eterogenei.
Delta-Marches è un framework di intelligenza artificiale generativa che decodifica i meccanismi delle malattie simulando transizioni morfologiche idealizzate tra classi di tessuti per individuare le caratteristiche subcellulari che guidano i cambiamenti patofisiologici, come dimostrato nella gradazione del carcinoma renale e nella displasia del cancro del colon-retto.
KRAKEN è un grafo di conoscenza scalabile e con tracciabilità della provenienza che affronta la sottorappresentazione dei dati multiomici e del benessere integrando diverse fonti biomediche in un sistema modulare da 15 milioni di nodi caratterizzato da semantica standardizzata, strumenti analitici integrati e interfacce multimodali sia per la ricerca umana che per quella guidata dall'IA.