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.
RAGulate è un framework di generazione aumentata dal recupero che combina il recupero ibrido della letteratura con i grandi modelli linguistici per valutare e spiegare accuratamente le interazioni tra fattori di trascrizione e target in specifici contesti biologici, riducendo così le allucinazioni e accelerando la priorità sperimentale per i biologi.
Sviluppando il modello gerarchico bayesiano variazionale eTRex e applicandolo a 4.819 dataset ATAC-seq, questo studio costruisce un atlante pan-cancro completo e specifico per il contesto dei profili dei regolatori trascrizionali funzionali che rivela sia programmi regolatori oncogenici comuni che specifici per il cancro, validati attraverso screening genomici indipendenti e accessibili tramite un portale web interattivo.
HERMES è un modello di rete neurale veloce e basato sulla struttura che predice gli effetti mutazionali sulla stabilità proteica e sull'affinità di legame sfruttando gli ambienti atomici 3D locali e una strategia di fine-tuning ammortizzato per superare i bias basati sulle dimensioni, consentendo così una progettazione di vaccini accurata e computazionalmente efficiente.
Questo studio integra l'analisi dell'intero genoma con la modellazione della struttura proteica 3D per dimostrare come le variazioni genetiche nei fattori di virulenza, in particolare il complesso recettore-intima, possano essere caratterizzate funzionalmente per migliorare la valutazione del rischio e la diagnostica per diversi *E. coli* produttori di tossina Shiga non-O157.
Il documento presenta VAIruScope, una pipeline basata sul deep learning che consente l'identificazione e la quantificazione automatizzate e senza l'uso di etichette di cellule infette da virus attraverso diversi modelli cellulari e virus a RNA, DNA e retrovirus clinicamente rilevanti, riconoscendo gli effetti citopatici nelle immagini di microscopia in luce con un'accuratezza fino al 96%.