163 articoli
La biologia dei sistemi rappresenta un approccio affascinante che guarda agli organismi viventi non come a semplici collezioni di parti, ma come reti complesse e interconnesse. Invece di studiare singoli geni o proteine isolatamente, questo campo integra dati su larga scala per comprendere come le diverse componenti collaborino e diano vita a comportamenti emergenti, offrendo una visione d'insieme molto più ricca della vita cellulare.
Su Gist.Science, selezioniamo ogni nuovo preprint pubblicato su bioRxiv in questa categoria per renderlo immediatamente comprensibile a tutti. Il nostro team elabora questi studi avanzati fornendo sia una spiegazione in linguaggio semplice che un riassunto tecnico dettagliato, permettendo a ricercatori e appassionati di seguire l'evoluzione di queste scoperte senza barriere linguistiche o concettuali.
Di seguito trovate le ultime ricerche in biologia dei sistemi appena rese disponibili, pronte per essere esplorate attraverso le nostre sintesi chiare e approfondite.
Gli autori hanno sviluppato un framework di machine learning interpretabile integrato con la biologia dei sistemi che, superando i limiti del disequilibrio di linkage, decodifica le relazioni genotipo-fenotipo in lievito identificando geni causali e nuove funzioni biologiche con maggiore precisione rispetto ai metodi convenzionali.
Questo studio presenta un quadro di ottimizzazione per i modelli basati su agenti che utilizza autoencoder convoluzionali per confrontare i dati di imaging sperimentale con le simulazioni, permettendo di stimare i parametri del modello e riprodurre fedelmente le caratteristiche spaziali della progressione tumorale e delle interazioni immunitarie.
Gli autori hanno utilizzato la spettrometria di massa con reticolazione incrociata (XL-MS) combinata con la piattaforma di modellazione integrativa e l'approccio AlphaFold per determinare la struttura dei complessi NuRD, SIN3A e CoREST, rivelando come la regione intrinsecamente disordinata (IDR) C-terminale di HDAC1 si ripieghi in eliche alfa all'interno di questi macromolecolari.
Utilizzando la trascrittomica spaziale, lo studio rivela che l'eterogeneità delle cellule tiroidee umane è organizzata su più scale spaziali da un compromesso tra uno stato attivo di produzione ormonale e uno stato di risposta al danno, quest'ultimo caratterizzato da stress e infiammazione e distribuito in cluster vicino alle nicchie immunitarie.
Utilizzando dati NHANES, lo studio dimostra che i biomarcatori specifici per sesso sono essenziali per stimare l'età biologica, rivelando che la maggiore robustezza fisiologica femminile riduce la sensibilità dei test attuali e suggerendo che gli uomini anziani siano la coorte ideale per i trial preliminari, mentre lo sviluppo di pannelli biomarcatori validati per le donne rappresenti una priorità di ricerca urgente.
Questo studio presenta il primo modello matematico meccanicistico e termodinamicamente coerente del trasportatore dicarbossilato mitocondriale SLC25A10, basato su un meccanismo ping-pong e calibrato tramite inferenza bayesiana, che rivela come il rigonfiamento della matrice e la carenza di SDH influenzino il flusso del trasportatore e la gestione del succinato.
Questo articolo presenta una raccolta di 1100 problemi sintetici di modellazione basati su equazioni differenziali ordinarie, generati per superare la scarsità di modelli biologici curati e fornire una risorsa diversificata e realistica per il benchmarking degli algoritmi di modellazione dinamica dei processi cellulari.
Questo studio di analisi dei sistemi rivela che il neuregulin-1 regola la dimensione e la forma dei cardiomiociti attraverso vie di segnalazione distinte mediate da PI3K e p38, offrendo nuove prospettive per il targeting selettivo del rimodellamento cardiaco patologico.
Questo studio dimostra che l'integrazione della metabolomica post-mortem con modelli di machine learning, applicata a casi forensi reali in Svezia, consente di rilevare e sottotipizzare con elevata accuratezza le morti correlate alla chetoacidosi.
Il paper presenta GRNFormer, un innovativo framework basato su Graph Transformer che integra un encoder per l'espressione genica e un autoencoder grafico variational per inferire con alta precisione reti di regolazione genica da dati di trascrittomica, superando le limitazioni dei metodi esistenti grazie alla sua capacità di generalizzare tra diverse specie, tipi cellulari e piattaforme senza richiedere annotazioni preliminari.