Small interfering RNAs (siRNAs) are a clinically validated therapeutic modality with eight FDA-approved drugs, yet designing effective siRNAs remains computationally challenging due to complex dependencies on sequence composition, thermodynamic properties, target-site accessibility, and off-target interactions. Over two decades, computational approaches have evolved from empirical heuristics to deep learning systems integrating physical priors with learned representations. We review the complete landscape of machine learning methods for siRNA design, spanning classical scoring rules, pretraine
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Unveiling the role of miRNAs in regulating gene expression is crucial for developing the most effective drugs and therapies, for example, in cancer. To this end, the complex interplay between miRNAs and transcription factors, ncRNAs, genetic/epigenetic events, diseases, and drugs must be taken into consideration. The aim of this chapter is to illustrate the usage of specialized web platforms that aim to dissect this complexity through the construction and analysis of miRNA regulatory networks.
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Gene embeddings, concise numerical descriptions of complex genetic relationships, are powerful tools for predicting unknown functions of genes and drugs. The application of graph-specific representation learning algorithms on large biological network databases allows for the efficient computation of highly expressive gene embeddings. This chapter provides an explanation of the end-to-end calculation of such embeddings, with a focus on the most widely used and generally applicable datasets and algorithms.
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Sepsis-induced myocardial dysfunction (SIMD) is a frequent consequence in septic patients and is correlated with higher mortality. Recent research suggests that activating autophagy might alleviate SIMD. Thus, this study aims to identify the autophagy-related gene (ARG) and assess its diagnostic value in SIMD patients.
METHODS: We conducted a sequential and extensive bioinformatics analysis of human SIMD transcriptome data from the Gene Expression Omnibus (GEO) database. Target ARG in SIMD were identified through weighted gene co-expression network analysis (WGCNA), differential e
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
N6-methyladenosine (m6A) is the most abundant internal RNA modification in eukaryotic transcripts and plays a critical role in RNA metabolism, gene expression, and cellular homeostasis. Dysregulation of m6A regulators, including "writers," "erasers," and "readers", has been increasingly implicated in cancer biology; however, their comprehensive roles in breast cancer remain to be understood. The primary objective of this methods article is to provide bioinformatics beginners with a step-by-step framework for utilizing publicly available cancer datasets to perform mutational analyses, assess ge
СтатьяVideo-Audio MediaПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MOTIVATION: Gene set analysis (GSA) is a foundational approach for interpreting genomic data of diseases by linking genes to biological processes. However, conventional GSA methods overlook clinical context of the analyses, often generating long lists of enriched pathways with redundant, nonspecific, or irrelevant results. Interpreting these requires extensive, ad-hoc manual effort, reducing both reliability and reproducibility.
RESULTS: We introduce cGSA, a novel AI-driven framework that enhances GSA by incorporating context-aware pathway prioritization. cGSA integrates gene cluster detectio
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Internal ribosome entry site (IRES) is a cap-independent translation element widely used in circular RNA-based protein expression. Current IRES identification relies heavily on labor-intensive experiments, and existing computational methods based on machine learning or CPU-based deep learning suffer from limited accuracy and efficiency.
METHODS: Here, we present IRESGet, a Transformer-based model for IRES sequence prediction. The model was trained and validated on datasets curated from published literature and public databases. Among five feature encoding strategies, RNA-FM achieve
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
While protein-RNA interactions are fundamental to post-transcriptional processes, achieving a holistic understanding of their regulatory logic remains challenging. Current computational models often treat binding affinity, interface mapping, and RNA design as isolated tasks, thereby failing to provide a unified perspective of the protein-RNA interactome. Here, we introduce ProRB, a unified sequence-based framework that jointly estimates protein-RNA binding affinity, predicts binding interfaces in proteins and RNAs, and generates protein-binding RNA sequences from protein sequences. By fusing p
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Defining the binding epitopes of antibodies is essential for understanding how they bind to their antigens and perform their molecular functions. However, while determining linear epitopes of monoclonal antibodies can be accomplished utilizing well-established empirical procedures, these approaches are generally labor- and time-intensive, and costly. To take advantage of the recent advances in protein structure prediction algorithms available to the scientific community, we developed a calculation pipeline based on the localColabFold implementation of AlphaFold2 that can predict linear antibod
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
1,3-Butadiene (1,3-BD) is a gaseous environmental pollutant classified as a Group 1 carcinogen by the International Agency for Research on Cancer (IARC). While its carcinogenic effects are well-known, the molecular mechanisms underlying its nephrotoxicity remain unclear. This study utilizes network toxicology and bioinformatics to explore the targets and mechanisms of 1,3-BD-induced nephrotoxicity. Key targets such as BCL2, CASP3, MMP9, SIRT1, and TNF were identified as central mediators of renal toxicity. Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway analyses h
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The insulin receptor (IR) proteins play a central role in cellular growth and metabolic regulation. Disruption of IRs is linked to several fatal neurodegenerative and cancer-like diseases. Wet-lab experiments are time-consuming, costly, and resource-intensive. Therefore, accurately predicting IR proteins using computational methods is critical for understanding the IR-associated biological mechanism and advancing therapeutic research. In this work, we propose a biologically informed deep learning method, DeepIR-Pred, which is the first rigorous model to accurately identify IR proteins. To ensu
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurate prediction of variant functional impact is crucial for understanding human diseases, particularly for cancer-related genes such as TP53. Advances in high-throughput mutational assays have enhanced variant effect prediction (VEP), but missense classification remains challenging due to the limitations of broad, non-gene-specific models. Here we present CaVepP53, a TP53-specific predictor fine-tuned on perturbation-based experimental variants. The model not only classifies mutations but also quantifies their pathogenicity by calculating Euclidean distances between the wild-type and mutan
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
miRNAs are small endogenous noncoding RNAs widely known for their pivotal role as key post-transcriptional gene regulators. They exert their effects through binding to specific regions of transcripts with imperfect sequence complementarity. miRNAs are deeply involved in cell growth, differentiation, development, and apoptosis and have a critical role in numerous diseases. In this context, the prediction of miRNA targets stands as a crucial step toward the development of new treatments and innovative therapeutic approaches. However, the prediction of miRNA-binding sites and the prioritization o
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Molecular mechanisms are highly complex and involve numerous components in non-linear interactions, imposing challenges in analysis and understanding. Networks provide intuitive representations of these systems, enabling visualisation of experimental data and the aggregation of prior knowledge. However, static networks cannot account for key temporal dynamics. Boolean networks address this limitation as discrete dynamical models representing temporal properties of biological regulation through binary variables connected by logical functions, offering scalable frameworks for hypothesis generati
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Representational drift of fixed stimuli, learned tasks and familiar environments is observed in many brain areas, leading to reconfiguration of population codes over days to weeks. This raises the question of whether downstream brain regions employ mechanisms to track changes in population activity and thus preserve the fidelity of the information they extract. We show that the statistical properties of drift have a significant impact on such mechanisms. Over an extended period, a net change in population tuning due to drift can arise from an accumulation of small changes distributed across th
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Background/Objectives: Genetic and chemical perturbation experiments provide a systematic approach to investigate cellular responses. Large-scale resources such as Connectivity Map (CMap) contain extensive transcriptomic perturbation signatures that support functional interpretation and perturbation retrieval. However, existing access to these resources mainly relies on structured inputs, making it challenging to connect natural-language perturbation questions with experimental evidence. Methods: To address this challenge, we developed PxFquery, an evidence-grounded tool that enables natural-l
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The last few decades have witnessed a resurgence in pertussis notifications in a number of countries with high vaccine coverage, including Sweden. The underlying causes of the resurgence have been the subject of much scientific debate. To arbitrate among the putative drivers of the resurgence in Sweden, we formulated a mechanistic transmission model which we fit to age-structured time-series notifications data via likelihood maximisation. Given our model, we find the data are best explained by the combined effects of a low basic reproductive number, incomplete (leaky) DTaP-derived immunity, a
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This article presents a novel computational tool, "BoneMarrowMap," that enables the mapping of leukemic single-cell RNA sequencing datasets to hematopoietic differentiation states. By utilizing BoneMarrowMap for a large-scale single-cell RNA sequencing reanalysis, the authors discover 12 recurrent acute myeloid leukemia differentiation patterns linked to prognosis and treatment and dissect leukemic clonal architectures within individual patients. See related article by Zeng and colleagues, p. 307.
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Intrinsically disordered protein regions, IDRs, are observed in many eukaryotic proteins. They play critical roles in essentially all cellular processes because segments of these regions, known as linear interacting peptides (LIPs), are heavily involved in regulatory protein interactions across proteomes. This chapter presents an integrated summary of the results from the last two Critical Assessments of protein Intrinsic Disorder predictions, known as CAID events, on the computational prediction of LIP segments. Because the CAID community questioned the quality of the test dataset used by the
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Identifying causal relationships in omics data is essential for understanding underlying biological processes. However, detecting these relationships remains challenging due to the complexity of molecular networks and observational data limitations. To guide researchers, we conducted a systematic literature review of data-driven causal omics analysis methods that use structured prior knowledge from regulatory and interaction databases. We grouped methods into three approaches based on the extent of prior knowledge integration: regulon-level (direct regulator-target links, straightforward inter
СтатьяСистематический обзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования