{"id":2288,"date":"2017-07-07T12:23:36","date_gmt":"2017-07-07T12:23:36","guid":{"rendered":"https:\/\/www.kolabtree.com\/blog\/?p=2288"},"modified":"2020-02-10T14:12:18","modified_gmt":"2020-02-10T14:12:18","slug":"4-recent-advances-in-computational-biology","status":"publish","type":"post","link":"https:\/\/www.kolabtree.com\/blog\/it\/4-recent-advances-in-computational-biology\/","title":{"rendered":"4 Recenti progressi nella biologia computazionale"},"content":{"rendered":"

Biologia computazionale<\/a> \u00e8 in rapida evoluzione con l'avvento delle nuove tecnologie, soprattutto nel modo in cui raccogliamo, analizziamo e visualizziamo i dati. Il Dr. Ragothaman Yennmalli, un Kolabtree<\/a> libero professionista e scienziato, esamina quattro progressi promettenti.\u00a0\u00a0<\/em><\/p>\n

Seguendo il precedente post introduttivo<\/a>Qui evidenzier\u00f2 alcune delle recenti tendenze o dei recenti progressi nelle scienze biologiche che stanno trasformando la biologia computazionale. Questi progressi si basano pesantemente su strumenti e metodi computazionali - analisi di grandi dati, modellazione multiscala, ecc. Alcuni di essi sono elencati di seguito.<\/p>\n

1. Grandi dati<\/strong><\/p>\n

Questo \u00e8 un termine ben noto in informatica ed \u00e8 stato raccolto dai biologi solo recentemente. Grazie alle tecniche di sequenziamento di nuova generazione, la sequenza di un genoma pu\u00f2 essere ottenuta in tempi relativamente pi\u00f9 brevi. Per esempio, l'importanza di generare dati rapidamente \u00e8 amplificata quando si lavora con dati metagenomici o con un microbioma. Come si possono gestire i dati? E la conservazione a lungo termine? Quali sono gli strumenti per analizzare dati cos\u00ec massicci? Queste domande sorgono e hanno delle risposte. Come detto, questa \u00e8 una tendenza recente in biologia, ma non in informatica o fisica sperimentale, dove la gestione e l'analisi dei grandi dati \u00e8 un lavoro di routine.<\/p>\n

\"big-data-1667184_1280\"
\nOne particular instance where ricerca<\/a> is happening is in the file formats of biological big data. In the case of protein structure file format, the current standard is the .pdb format, a column dependent format that is parseable and both human and machine readable. However, this format fails when describing mega structures, such as the ribosome or full viral capsids. Hence, a new format has been proposed called the .pdbx format that overcomes the previous format’s limitations. There is also another format called MMTF format that spees up the loading time for structures with more then 20 million atoms within seconds.<\/p>\n

Ulteriori letture sui grandi dati in ambito computazionale biologia strutturale<\/a>:
\nhttp:\/\/science.sciencemag.org\/content\/355\/6322\/248
\n<\/a><\/p>\n

2. Tecniche Cryo-EM e XFEL<\/strong><\/p>\n

Questi due metodi non sono nuovi, in quanto tali. Tuttavia, la tecnologia attuale e i progressi che avvengono in questi due campi stanno spingendo i limiti dell'analisi della struttura biomolecolare. Cryo-EM <\/a>\u00e8 una tecnica per catturare la struttura tridimensionale della biomolecola usando il microscopio elettronico ad alta risoluzione. In uno dei laboratori pionieri del NIH, \u00e8 stata risolta una struttura di 2,5\u00c5. Questa risoluzione \u00e8 di solito ottenuta con la struttura cristallina delle proteine, che di routine comporta almeno 1-2 mesi di tempo per standardizzare il cristallo ottimale da sparare sotto il fascio di raggi X.<\/p>\n

\"alat2-872522_1920\"
\nAl contrario, una tecnica recente che sta rivoluzionando la biologia strutturale \u00e8 XFEL<\/a> che consiste nel sparare fasci di raggi X ad alta intensit\u00e0 su microcristalli di proteine. A causa dell'alta radiazione i microcristalli vengono letteralmente bruciati per ottenere i dati. Decine di migliaia di microcristalli sono necessari per ottenere dati di copertura decente. Ogni immagine catturata da un microcristallo deve essere analizzata con il resto per ottenere la struttura 3D della biomolecola.<\/p>\n

Tali tecniche dipendono fortemente da software automatizzati che utilizzano algoritmi di elaborazione delle immagini e in una certa misura approcci di apprendimento automatico per identificare il segnale dal rumore circostante. Questo<\/span>\u00a0\u00e8 big data, poich\u00e9 la diversit\u00e0 e la velocit\u00e0 di acquisizione delle informazioni \u00e8 astronomica.<\/span><\/p>\n

3. Modellazione multiscala<\/strong><\/p>\n

A differenza della modellazione della struttura biomolecolare singola e dell'estrapolazione a un sistema pi\u00f9 complesso, la modellazione multiscala coinvolge pi\u00f9 di 200.000 atomi e le dinamiche ottenute rivelano interazioni a lungo termine e comportamenti complessi dei componenti multipli (sia omogenei che eterogenei). I dati generati da tali esperimenti sono massicci a causa del numero di punti dati ottenuti, anche a causa di corse multiple per ottenere una significativit\u00e0 statistica.<\/p>\n

Un esempio in cui la modellazione multiscala \u00e8 stata usata \u00e8 nella comprensione della dinamica del cellulosoma, una struttura complessa batterica fatta di proteine eterogenee ed enzimi che si attaccano alla cellulosa. I cellulosomi sono industrialmente importanti nell'area dei biocarburanti, in particolare nella produzione di bioetanolo.<\/p>\n

Ulteriori letture:\u00a0http:\/\/www.ks.uiuc.edu\/Research\/biofuels\/<\/a><\/p>\n

4. Sequenziamento di una singola cellula<\/strong><\/p>\n

Invece di guardare pi\u00f9 cellule, l'ultima tecnica \u00e8 quella di isolare ogni singola cellula, estrarre l'RNA e sequenziarlo. Questa tecnica recente \u00e8 chiamata sequenziamento dell'RNA di una singola cellula o scRNA-seq<\/a>. In questo articolo di Nature, discutendo il metodo e i suoi vantaggi, si dice che<\/p>\n

\u00c8 molto pi\u00f9 difficile manipolare singole cellule che grandi popolazioni, e poich\u00e9 ogni cellula produce solo una piccola quantit\u00e0 di RNA, non c'\u00e8 spazio per gli errori. Un altro problema \u00e8 l'analisi delle enormi quantit\u00e0 di dati che ne risultano - anche perch\u00e9 gli strumenti utilizzati possono essere poco intuitivi.<\/p><\/blockquote>\n

Un'eccellente revisione del flusso di lavoro e degli strumenti per lo scRNA-seq \u00e8 data qui: https:\/\/doi.org\/10.3389\/fgene.2016.00163<\/span><\/a><\/p>\n

\n

Hai bisogno di aiuto con la consulenza di Biologo computazionale<\/a>? Assumere un Biologia computazionale freelance<\/a> esperto<\/b>\u00a0su Kolabtree. \u00c8 gratuito pubblicare il tuo progetto e ottenere preventivi.<\/b><\/p>\n

Vuoi consultare il Dr. Yennamalli per un progetto? Mettiti in contatto con lui su Kolabtree qui<\/a>.<\/p>\n

Esperti correlati:
\nAssumere un bioinformatico<\/a>\u00a0 \u00a0 \u00a0 \u00a0 \u00a0Assumere un biologo molecolare\u00a0<\/a> \u00a0 \u00a0 Assumere un biostatistico<\/a><\/p>","protected":false},"excerpt":{"rendered":"

Computational biology is rapidly evolving with the advent of new technologies, especially in the way we collect, analyze and visualize data. Dr. Ragothaman Yennmalli, a Kolabtree freelancer and scientist, examines four promising advances.\u00a0\u00a0 Following up on the previous introductory post, here I will highlight some of the recent trends or recent advances in the biological<\/p>\n

Per saperne di pi\u00f9<\/a><\/div>","protected":false},"author":26,"featured_media":2324,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[442,398,247,435],"tags":[],"acf":[],"yoast_head":"\nComputational biology: 4 recent advances - Kolabtree Blog<\/title>\n<meta name=\"description\" content=\"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kolabtree.com\/blog\/it\/4-recent-advances-in-computational-biology\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"4 Recent Advances in Computational Biology\" \/>\n<meta property=\"og:description\" content=\"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kolabtree.com\/blog\/it\/4-recent-advances-in-computational-biology\/\" \/>\n<meta property=\"og:site_name\" content=\"The Kolabtree Blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/kolabtree\" \/>\n<meta property=\"article:published_time\" content=\"2017-07-07T12:23:36+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2020-02-10T14:12:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/07\/alat2-872522_1920.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"745\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Ragothaman Yennamalli\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:site\" content=\"@kolabtree\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Ragothaman Yennamalli\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 minuti\" \/>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Computational biology: 4 recent advances - Kolabtree Blog","description":"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kolabtree.com\/blog\/it\/4-recent-advances-in-computational-biology\/","og_locale":"it_IT","og_type":"article","og_title":"4 Recent Advances in Computational Biology","og_description":"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.","og_url":"https:\/\/www.kolabtree.com\/blog\/it\/4-recent-advances-in-computational-biology\/","og_site_name":"The Kolabtree Blog","article_publisher":"https:\/\/www.facebook.com\/kolabtree","article_published_time":"2017-07-07T12:23:36+00:00","article_modified_time":"2020-02-10T14:12:18+00:00","og_image":[{"width":1920,"height":745,"url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/07\/alat2-872522_1920.jpg","type":"image\/jpeg"}],"author":"Ragothaman Yennamalli","twitter_card":"summary_large_image","twitter_creator":"@kolabtree","twitter_site":"@kolabtree","twitter_misc":{"Scritto da":"Ragothaman Yennamalli","Tempo di lettura stimato":"4 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#article","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/"},"author":{"name":"Ragothaman Yennamalli","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/61d4584c2ca630dcee91e7a79c417693"},"headline":"4 Recent Advances in Computational Biology","datePublished":"2017-07-07T12:23:36+00:00","dateModified":"2020-02-10T14:12:18+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/"},"wordCount":805,"commentCount":0,"publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"articleSection":["Biotechnology","Data Science","Guest posts","Research"],"inLanguage":"it-IT","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/","url":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/","name":"Computational biology: 4 recent advances - Kolabtree Blog","isPartOf":{"@id":"https:\/\/www.kolabtree.com\/blog\/#website"},"datePublished":"2017-07-07T12:23:36+00:00","dateModified":"2020-02-10T14:12:18+00:00","description":"Recent advances in computational biology that are changing the way we look at genomic data, structural biology and RNA sequencing.","breadcrumb":{"@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.kolabtree.com\/blog\/4-recent-advances-in-computational-biology\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.kolabtree.com\/blog\/"},{"@type":"ListItem","position":2,"name":"4 Recent Advances in Computational Biology"}]},{"@type":"WebSite","@id":"https:\/\/www.kolabtree.com\/blog\/#website","url":"https:\/\/www.kolabtree.com\/blog\/","name":"The Kolabtree Blog","description":"Expert Views on Science, Innovation and Product Development","publisher":{"@id":"https:\/\/www.kolabtree.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kolabtree.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"Organization","@id":"https:\/\/www.kolabtree.com\/blog\/#organization","name":"Kolabtree","url":"https:\/\/www.kolabtree.com\/blog\/","logo":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/","url":"","contentUrl":"","caption":"Kolabtree"},"image":{"@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/kolabtree","https:\/\/twitter.com\/kolabtree","https:\/\/instagram.com\/kolabtree","https:\/\/www.linkedin.com\/company\/kolabtree","https:\/\/en.m.wikipedia.org\/wiki\/Kolabtree"]},{"@type":"Person","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/61d4584c2ca630dcee91e7a79c417693","name":"Ragothaman Yennamalli","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/www.kolabtree.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/06\/raghu_bt-96x96.jpg","contentUrl":"https:\/\/www.kolabtree.com\/blog\/wp-content\/uploads\/2017\/06\/raghu_bt-96x96.jpg","caption":"Ragothaman Yennamalli"},"description":"Dr. Ragothaman Yennamalli completed his PhD in Computational Biology and Bioinformatics in 2008 from Jawaharlal Nehru University, New Delhi. He conducted postdoctoral research at Iowa State University (2009-2011), University of Wisconsin-Madison (2011-2012), and Rice University (2012-2014). Currently he is an Assistant Professor at Jaypee University of Information Technology, Waknaghat, Himachal Pradesh, India.","url":"https:\/\/www.kolabtree.com\/blog\/it\/author\/ragothaman\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/posts\/2288"}],"collection":[{"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/comments?post=2288"}],"version-history":[{"count":19,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/posts\/2288\/revisions"}],"predecessor-version":[{"id":6896,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/posts\/2288\/revisions\/6896"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/media\/2324"}],"wp:attachment":[{"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/media?parent=2288"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/categories?post=2288"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kolabtree.com\/blog\/it\/wp-json\/wp\/v2\/tags?post=2288"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}