895 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 propone un framework di ensemble ibrido stacking-bagging che integra dati clinici, di espressione genica e di variazione del numero di copie per ottenere una robustezza e un'accuratezza superiori (ROC AUC di 0,9355) nella prognosi del carcinoma mammario rispetto ai modelli unimodali e di stacking convenzionali.
Questo articolo introduce Boltz-sample, una strategia sistematica per il modello Boltz-2 che modula il campionamento conformazionale riscalando uniformemente le rappresentazioni di coppia latenti, consentendo così il recupero efficiente e trasparente di diversi stati alternativi proteici e della copertura dell'ensemble senza fare affidamento su perturbazioni euristiche dell'input.
Questo capitolo fornisce una guida completa in R per l'analisi di dati clinici di metabolomica e proteomica, coprendo i passaggi essenziali dal controllo di qualità all'espressione differenziale, fino all'integrazione multi-omica e all'analisi di arricchimento basata su reti per la scoperta di biomarcatori e la comprensione delle malattie a livello di sistema.
Il documento introduce In-Pocket, un metodo di ottimizzazione meccanica quantistica guidato da dati sperimentali che migliora la validazione chimica e l'affidabilità strutturale dei complessi proteina-ligando, in particolare nei casi di risoluzione sperimentale insufficiente o chimica delle interazioni ambigua.
Questo articolo presenta un nuovo algoritmo euristico per il problema della decomposizione del flusso minimo NP-hard che estende i meccanismi di risoluzione delle equazioni per modellare congiuntamente tutte le equazioni del grafo, consentendo operazioni di fusione sicure che semplificano iterativamente grafi complessi per raggiungere soluzioni quasi ottimali significativamente più velocemente rispetto alle formulazioni di programmazione lineare intera.
Questo articolo presenta un database curato manualmente e una pipeline computazionale che consentono l'annotazione precisa e scalabile degli enzimi alogenanti attraverso dati genomici e metagenomici, facilitando così la scoperta del serbatoio inesplorato della natura di prodotti naturali microbici alogenati.
Questo articolo presenta l'Ultra-Content Screening (UCS), un nuovo metodo di proteomica a singola cella ad alta dimensionalità che utilizza l'immunocolorazione ciclica per analizzare fino a 40 marcatori in 100.000 cellule del sangue, dimostrando il suo potenziale nel rivelare profili immunitari specifici per la malattia nella leucemia mieloide acuta per una migliore diagnostica e medicina personalizzata.
Il documento introduce **cyto**, un processore open-source ad altissima produttività per il sequenziamento single-cell 10x Genomics Flex che ottiene un'accelerazione di 16,5 volte e un uso significativamente ridotto delle risorse rispetto a CellRanger, utilizzando il lookup diretto di k-mer e nuovi formati binari, pur mantenendo una concordanza del 99,85% con gli output standard per consentire la costruzione di atlanti di un miliardo di cellule scalabili ed economiche.
Il documento presenta il pacchetto software `distortions`, uno strumento di visualizzazione interattiva progettato per misurare e visualizzare le distorsioni metriche locali in riduzioni della dimensionalità non lineari come UMAP e t-SNE, aiutando così i ricercatori a identificare artefatti, regolare gli iperparametri e selezionare i metodi appropriati per l'analisi di dati genomici ad alta dimensionalità.
Il documento presenta dna-parser, una libreria Python ad alte prestazioni scritta in Rust che codifica efficientemente le sequenze di DNA e RNA in caratteristiche numeriche per il machine learning, sfruttando l'elaborazione parallela e offrendo un'ampia compatibilità con l'ecosistema Python.