💻 Category

bioinformatics

881 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.

💻 bioinformatics

LeafRank: A phylodynamic framework for inferring relative fitness from single-cell phylogenies in chromosomally unstable tumors

LeafRank è un nuovo framework filodinamico che sfrutta le filogenesi da DNA-seq a singola cellula e un modello di processo di ramificazione multi-tipo per inferire la fitness relativa di singole cellule in tumori cromosomicamente instabili, quantificando con successo l'eterogeneità della crescita e rivelando che la fitness nelle linee cellulari con duplicazione dell'intero genoma viene acquisita attraverso alterazioni successive piuttosto che tramite vantaggi immediati.

Wu, C., Leder, K., Wang, Z., Sun, R.2026-07-09
💻 bioinformatics

Rectangle: robust and scalable multiscale deconvolution informed by single-cell RNA sequencing data

Rectangle è un framework Python robusto e scalabile che sfrutta la deconvoluzione multiscala e la modellazione esplicita del contenuto ignoto per risolvere accuratamente i fenotipi cellulari nei dati di RNA-seq bulk utilizzando riferimenti single-cell, consentendo così un profilo cellulare ad alta risoluzione su scala di popolazione.

Eder, B., Rigato, I., Dietrich, A., Merotto, L., Sturm, G., Treis, T., List, M., Theis, F., Finotello, F.2026-07-09
💻 bioinformatics

Coding agents author interpretable single-cell embedding models from the literature

Questo articolo dimostra che gli agenti di codifica possono generare automaticamente modelli di embedding single-cell interpretabili e zero-shot estraendo e componendo programmi genici citati in letteratura in assi nominati, raggiungendo una qualità biologica comparabile ai metodi basati sui dati e garantendo al contempo una robustezza intrinseca ai batch e l'interpretabilità senza richiedere addestramento o database di set genici preesistenti.

Brunn, N., Krissmer, S. M., Frosch, M., Frick, M., Prinz, M., Binder, H.2026-07-09
💻 bioinformatics

PredHLM: quantitative and interpretable prediction of metabolic half-life in human liver microsomes

Questo studio presenta PredHLM, un modello di apprendimento automatico basato su XGBoost, quantitativo e interpretabile, addestrato su quasi 12.000 composti che predice accuratamente l'emivita metabolica nei microsomi epatici umani e identifica i principali driver chimici per supportare un rapido processo decisionale nella fase iniziale della scoperta di farmaci.

Jang, J., Cho, N.-C., Oh, K.-S.2026-07-08
💻 bioinformatics

Characterizing dynamic tissue architectures by identifying cell-type-specific spatiotemporal gene programs with stGP

Il documento introduce stGP, un framework statistico che decompone i dati trascrittomici spazio-temporali in componenti temporali e spaziali per identificare programmi genici interpretabili e specifici per tipo cellulare, rivelando così come le architetture tissutali dinamiche e le risposte cellulari localizzate evolvano nel tempo e attraverso le nicchie anatomiche.

Yu, B., Tan, Z., Wan, X., Wang, H., Yang, C.2026-07-08
💻 bioinformatics

Residual Multi-Modal Learning for Pan-Breast-Cancer Drug Response Prediction

Il documento presenta DL4DR, un modello di deep learning a due torri con fusione tardiva residua che predice le risposte ai farmaci per il cancro al seno codificando le linee cellulari come immagini genomiche e combinando le rappresentazioni molecolari, ottenendo così una superiorità nella generalizzazione a linee cellulari e tipi di cancro non visti, identificando al contempo nuovi driver genomici senza fare affidamento sulle identità delle linee cellulari.

Huang, B., Tasaka, L., Li, J., Islam, T., Zhang, S.2026-07-08
💻 bioinformatics

Scanning transcriptomes for nonlinear, domain-level similarities using hmSEEKR

Il documento introduce hmSEKRE, un modello di Markov nascosto basato su k-meri che scansiona i trascrittomi per identificare somiglianze di sequenza non lineari a livello di dominio nei RNA lunghi non codificanti, consentendo così la scoperta di domini di RNA funzionalmente correlati e delle loro reti di interazione proteica associate senza richiedere una conoscenza preventiva dell'allineamento di sequenze.

Li, S., Sprague, D. A., Eberhard, Q. E., Boyson, S. P., Laederach, A., Calabrese, J. M.2026-07-08
💻 bioinformatics

AllTheBacteria: a community resource empowers biology and discovers novel peptide antibiotics

Il documento presenta AllTheBacteria, una risorsa comunitaria completa che elabora uniformemente quasi 2,5 milioni di genomi batterici pubblici per consentire la ricerca biologica su larga scala e dimostra con successo la sua utilità attraverso la scoperta e la validazione di nuovi antibiotici peptidici mediante l'estrazione guidata dall'IA.

Hunt, M., Torres, M. D. T., Alikhan, N.-F., Anderson, D., Andreani, M. L., Blom, J., Bouras, G., Brinkman, F., Carroll (…)2026-07-07
💻 bioinformatics

PHI: A Galaxy-based workflow for reproducible prophage-host interaction analysis and standardized viral-genomics reporting

Il documento presenta PHI, un workflow basato su Galaxy, intuitivo e automatizzato, che snellisce l'identificazione riproducibile dei profagi, la previsione delle interazioni con l'ospite e la caratterizzazione funzionale, generando al contempo report standardizzati per abbassare le barriere sia per gli esperti che per i non esperti nella ricerca di genomica virale.

Saraiva, J. P., Borim Correa, F., Bernt, M., Ghanem, N., Nieto, E., Brizola Toscan, R., Y. Wick, L., Chatzinotas, A.2026-07-07