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.
DPGT è uno strumento basato su Apache Spark, rapido, scalabile e accurato, progettato per semplificare e ottimizzare il rilevamento congiunto delle varianti genetiche in grandi coorti di sequenziamento.
Il paper introduce ProtNHF, un modello generativo basato su flussi hamiltoniani neurali che consente un controllo continuo e quantitativo delle proprietà delle sequenze proteiche tramite funzioni di bias analitiche applicate esclusivamente al momento dell'inferenza, senza necessità di riaddestramento.
Il paper presenta CellSweep, un metodo efficiente ed efficace per rimuovere le contaminazioni ambientali e di massa dai dati di genomica a singola cellula, dimostrando prestazioni superiori rispetto ad altri strumenti esistenti.
Questo studio propone un approccio di divisione e fusione per utilizzare dimensioni di finestra variabili nelle analisi filogenomiche, superando i limiti dei metodi a finestra fissa e migliorando il recupero delle topologie degli alberi genici in presenza di tassi di ricombinazione variabili.
Questo articolo offre una revisione sistematica dell'applicazione degli autoencoder sparsi ai modelli fondazionali biologici, evidenziando come essi rivelino rappresentazioni interpretabili a diverse scale biologiche, pur identificando la necessità di validare sperimentalmente queste scoperte per distinguere i veri meccanismi biologici dalle semplici statistiche del set di addestramento.
Il documento presenta SLiMMine, un metodo basato sull'apprendimento profondo che migliora l'identificazione affidabile dei brevi motivi lineari (SLiM) nel proteoma umano, riducendo significativamente i falsi positivi e facilitando la scoperta di nuove interazioni proteiche attraverso un server web accessibile.
Questo studio presenta una caratterizzazione temporale completa di ventuno anni di evoluzione della Gene Ontology e delle sue annotazioni, rivelando una crescita sostenuta accompagnata da una riorganizzazione strutturale che, a partire dal 2017, ha segnato una transizione verso una maggiore stabilità e maturità della risorsa.
Questo studio combina screening virtuale e validazione sperimentale per identificare e confermare che farmaci esistenti come l'idroclorotiazide si legano alle proteine leganti gli acidi grassi di *Echinococcus*, proponendoli come candidati promettenti per il riposizionamento terapeutico contro l'echinococcosi.
Il paper presenta Latent Space Dynamics (LSD), un modello ispirato alla termodinamica che ricostruisce le traiettorie di differenziazione cellulare in uno spazio latente, inferendo dinamiche di sviluppo, prevedendo i destini cellulari e quantificando la plasticità attraverso una funzione di potenziale e un termine di entropia.
Questo articolo presenta una versione di kallisto ottimizzata per le GPU che, grazie a un riprogettazione algoritmica dei processi di pseudoallineamento e dell'algoritmo EM, raggiunge un'accelerazione da 30 a 50 volte rispetto alla versione CPU multithread, permettendo l'analisi di dati RNA-seq in pochi secondi.