1235 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 paper presenta METRIN-KG, una nuova risorsa di conoscenza che integra metabolomi, tratti e interazioni biotiche delle piante per facilitare l'analisi dei dati sulla biodiversità e la formulazione di nuove domande di ricerca nelle scienze della vita.
Il framework di deep learning TEAMKidney automatizza con precisione la segmentazione e la quantificazione delle ultrastrutture nei TEM renali, riducendo il carico di lavoro manuale e garantendo risultati coerenti con quelli degli esperti clinici.
Il documento presenta PeptideCLM-2, una suite di modelli linguistici chimici addestrata su oltre 100 milioni di molecole per colmare il divario computazionale nella progettazione di peptidi terapeutici, offrendo prestazioni superiori nella previsione di parametri critici come la diffusione membranale, l'omaggio tumorale e l'emivita.
Gli autori presentano un flusso di lavoro guidato da agenti intelligenti per la progettazione *de novo* di nanocorpi contro un nuovo bersaglio tumorale, che ha permesso di identificare con successo leganti ad alta affinità (nanomolari e sub-nanomolari) senza richiedere strutture sperimentali o informazioni pregresse sugli anticorpi.
Questo studio presenta un benchmarking consapevole dell'incertezza che, integrando nuove caratteristiche derivanti da ripetizioni e motivi del DNA non-B, rivela un'ampia discordanza tra classificatori di trascritti e identifica i segnali sequenziali associati all'ambiguità nella distinzione tra mRNA e lncRNA.
Il paper introduce PathwaySeeker, un sistema di intelligenza artificiale basato su evidenze che ricostruisce e ragiona su reti metaboliche specifiche per organismo integrando dati omici e utilizzando un meccanismo di inferenza "Oracle-in-the-Loop" per distinguere chiaramente tra conoscenze sperimentali confermate e ipotesi strutturate.
Il paper presenta cellNexus, un strumento completo che standardizza e arricchisce i dati dell'Human Cell Atlas con livelli di controllo qualità, annotazione e analisi, rendendoli accessibili e interoperabili per scoperte biologiche su larga scala e per la costruzione di modelli fondazionali di nuova generazione.
Il paper introduce UDAL, una strategia di apprendimento attivo che combina incertezza e diversità per ottimizzare la selezione dei candidati da validare in laboratorio, riducendo significativamente i costi e il tempo necessari per costruire modelli affidabili di specificità TCR-pMHC.
Il paper introduce FairTCR, un framework di ottimizzazione robusta distribuita di gruppo che riduce significativamente le disparità di equità nella previsione del legame TCR-pMHC tra diversi aplotipi HLA e coorti demografiche, migliorando le prestazioni sui gruppi sottorappresentati senza compromettere l'accuratezza media.
Il documento presenta RRE (Recursive Repeat Extender), un nuovo approccio ricorsivo basato su modelli HMM che migliora automaticamente i modelli di elementi ripetuti generati de novo, consentendo di ricostruire sequenze altamente degenerate e frammentate con una sensibilità superiore rispetto ai metodi tradizionali.