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.

📄 systems biology

The Gibbs free energy landscape based on liver metabolome revealed thermodynamic robustness against fasting and obesity

Questo studio ha mappato il paesaggio dell'energia libera di Gibbs nel metabolismo epatico del topo, rivelando una notevole robustezza termodinamica che permette al fegato di mantenere il controllo metabolico e di passare efficientemente dalla glicolisi alla gluconeogenesi sia durante il digiuno che in condizioni di obesità, nonostante le significative fluttuazioni delle concentrazioni dei metaboliti.

Abekawa, T., Ohno, S., Hirayama, A., Soga, T., Kuroda, S.2026-03-25
📄 systems biology

NeighborFinder: an R package inferring local microbial network around a species of interest

Il pacchetto R NeighborFinder introduce un metodo di inferenza di reti locali efficiente e interpretabile per identificare le interazioni dirette attorno a una specie microbica di interesse, superando i limiti computazionali e di focalizzazione degli strumenti di rete globale esistenti.

Sola, M., Paravel, A., Auger, S., Chatel, J.-M., Plaza Onate, F., Le Chatelier, E., Leclerc, M., Veiga, P., Frioux, C. (…)2026-03-25
📄 systems biology

A graph-based learning approach to predict the effects of gene perturbations on molecular phenotypes

Questo studio presenta un approccio di apprendimento automatico basato su grafi in grado di prevedere in modo accurato gli effetti delle perturbazioni geniche su fenotipi molecolari, riducendo la necessità di esperimenti costosi e permettendo la generalizzazione ad altri fenotipi e geni non misurati.

Jin, Y., Sverchkov, Y., Sushkova, A., Ohtake, M., Emfinger, C., Craven, M.2026-03-25
📄 systems biology

Barcoding biology: Chemotype predicts variation in genotype, physiology, and stress response

Questo studio dimostra che i chemotipi, derivati dall'analisi spettroscopica FTIR combinata con l'apprendimento automatico in *Drosophila melanogaster*, fungono da indicatori predittivi integrati per la variazione genetica, fisiologica e la risposta allo stress, offrendo un nuovo approccio per comprendere le risposte biologiche alle perturbazioni.

Ibrahim, R., Gonzalez Jimenez, M., Booth, J., Sannino, D. R., Gemmell, A. O., Fernandes-Guerrero, I., Hadjipakkos, P., C (…)2026-03-25
📄 systems biology

Cross-Species Translation Enhances the Use of Mouse Models for Translatability and Drug Discovery in Late-Onset Alzheimer's Disease

Questo studio dimostra come il framework computazionale TransComp-R, attraverso procedure di traduzione interspecie, abbia permesso di identificare e validare farmaci riposizionabili che agiscono sul ciclo sonno-veglia come potenziali terapie per il morbo di Alzheimer a esordio tardivo, colmando il divario tra modelli murini e patologia umana.

Park, J. H., Yu, J., Lucey, B. P., Brubaker, D. K.2026-03-24
📄 systems biology

Integrating metagenome-scale metabolic modelling and metabolomics to identify biochemical interactions in Microcystis phycospheres

Questo studio integra modelli metabolici su scala metagenomica e metabolomica per caratterizzare le interazioni biochimiche nei microsferi di *Microcystis*, rivelando come i microbiomi associati espandano il repertorio metabolico del sistema pur mantenendo ridondanza funzionale, mentre i profili metabolomici siano guidati principalmente dalle uscite metaboliche dei cianobatteri.

Audemard, J., Creusot, N., Leloup, J., Duval, C., Halary, S., Mary, L., Eon, M., Forjonel, T., Mouffok, M., Puppo, R., B (…)2026-03-23
📄 systems biology

A Computational Model of Tumor Interactions with Bone-Resident Cells Predicts Tumor-Type-Specific Responses to Perturbations

Questo studio presenta un modello computazionale che dimostra come l'adattamento delle cellule tumorali all'ambiente osseo riduca la loro dipendenza dai fattori di crescita derivati dall'osso, rendendo le terapie che inibiscono il riassorbimento osseo efficaci solo per i tumori non adattati e meno efficaci per quelli già adattati.

Vega, A. G., Bennett, N. E., Beadle, E. P., Alshafeay, S., Chitturi, R., Nagarimadugu, A., Villur, H., Jaiswal, A., Rhoa (…)2026-03-19
📄 systems biology

New perspectives in assessing environmental risks for birds: a simple TKTD framework to link growth and reproduction energy budget to chemical stress

Il documento presenta BIRDkiss, un nuovo modello open-source in R che integra budget energetici semplificati e tossicocinetica per valutare in modo meccanicistico e statisticamente robusto l'impatto di pesticidi singoli e miscele sulla riproduzione degli uccelli, evidenziando come la disponibilità alimentare moduli e amplifichi gli effetti dello stress chimico.

Baudrot, V., Kaag, M., Charles, S.2026-03-19
📄 systems biology

Canonical Analysis of Fluorescent Timer-Anchored Transcriptomes Resolves Joint Temporal and Developmental Progression

Il paper presenta mCanonicalTockySeq, un framework che integra la storia di segnalazione cellulare con l'RNA-seq a singola cellula per ricostruire spazi di stato temporali e di sviluppo, permettendo di analizzare la progressione dei linfociti T e di proiettare dati umani su un riferimento murino per correlare l'età cronologica con la maturazione cellulare.

Irie, N., Reda, O., Satou, Y., Ono, M.2026-03-18