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.
Questo studio dimostra che il contenuto esplicito dei domini Pfam supera o eguaglia le rappresentazioni derivate dalle sequenze di ESM-2 per il recupero di cluster di geni biosintetici, indicando che gli embedding di sequenza non migliorano attualmente il recupero di vie biosintetiche alternative oltre le metriche basate sui domini già stabilite.
Questo articolo introduce EvoBind-multimer, un framework di deep learning che consente la progettazione de novo di colle molecolari macrocicliche partendo esclusivamente dalle sequenze proteiche per indurre la prossimità e guidare la degradazione proteica mirata, rivelando inoltre che l'esito funzionale di queste colle può variare in modo dipendente dal contesto tra diversi modelli derivati da pazienti.
Il documento introduce EnzymARC, un nuovo dataset di riferimento di decoy enzimatici strutturalmente perturbati, per dimostrare che gli attuali predittori di funzione enzimatica allo stato dell'arte si affidano pesantemente a scorciatoie filogenetiche e non riescono a distinguere le varianti cataliticamente incompetenti dagli enzimi funzionali, evidenziando così la critica necessità di esempi negativi sensibili alla struttura durante l'addestramento e la valutazione dei modelli.
Il documento introduce antigen-prime, un simulatore epidemico a tempo in avanti che collega le sequenze genetiche ai fenotipi antigenici sotto la selezione dell'ospite per generare dati di verità fondamentale per il benchmarking dei metodi di assegnazione delle varianti influenzali e di stima del tasso di crescita, rivelandone sia l'accuratezza che i specifici modi di fallimento.
Questo studio rivela che la priorità genica basata sul grado standard trascura sistematicamente i geni connettori non-hub essenziali per coordinare i processi biologici, e propone EDVS, una misura di centralità informazionale priva di partizione che recupera con successo questi geni omessi senza fare affidamento su annotazioni funzionali o sulla rilevazione di comunità.
SVlog è un framework di programmazione logica dichiarativa e trasparente basato su Souffle che consente un'analisi, un'annotazione e una prioritizzazione veloci, deterministiche e spiegabili delle varianti strutturali per la cura delle malattie cliniche, convertendo i dati genomici in fatti relazionali e applicando regole logiche composibili.
Questo articolo propone un framework comparativo *in silico* che dimostra come, sebbene le reti di segnalazione dello stress mitocondriale di piante e umani si siano diversificate in complessità, esse condividano principi organizzativi fondamentali, suggerendo che i sistemi vegetali più semplici e orientati alla resilienza possano servire come modello concettuale per generare ipotesi testabili sulla vulnerabilità alle malattie mitocondriali umane.
Il documento introduce arteMIS, un framework sistematico che ottimizza i parametri del molecular networking attraverso la valutazione multi-metrica e il Latin Hypercube Sampling per superare i limiti delle impostazioni predefinite, producendo così reti più robuste, chimicamente significative e stabili attraverso diversi dataset e metodi di punteggio.
Questo articolo introduce un nuovo plugin per PyMOL che integra varie metodologie di Circuit Topology con un'interfaccia intuitiva e un ambiente riproducibile per analizzare la topologia di proteine sia strutturate che disordinate.
Questo articolo introduce SPIRAL, un framework di autoencoder sparsi che decodifica con successo gli stati nascosti del modello linguistico RNA BiRNA-BERT in caratteristiche interpretabili e allineate ai nucleotidi che rappresentano la struttura secondaria e i tipi di famiglia di RNA, migliorando così le prestazioni delle predizioni a valle nonostante le sfide della tokenizzazione byte-pair.