869 artigos
A bioinformática une biologia e computação para desvendar os mistérios da vida através de dados. Nesta área, pesquisadores transformam sequências genéticas complexas em informações compreensíveis, permitindo descobertas rápidas sobre doenças, evolução e tratamentos personalizados sem depender apenas de laboratórios físicos.
No Gist.Science, processamos diariamente cada novo pré-publicação na categoria de bioinformática enviada pelo bioRxiv. Nosso compromisso é tornar esse conhecimento acessível, oferecendo tanto resumos em linguagem simples para o público geral quanto análises técnicas detalhadas para especialistas, garantindo que ninguém fique de fora das últimas inovações científicas.
Abaixo, você encontrará as últimas pesquisas publicadas nesta área, organizadas para facilitar sua leitura e compreensão dos avanços recentes.
o crispAIPE é um framework probabilístico baseado em transformer que quantifica a incerteza nos resultados de edição de precisão ao modelar eventos de edição concorrentes em um simplex com verossimilhança de Dirichlet e calibração conformal dividida, permitindo a predição confiável da eficiência de correção de variantes e filtros de design generalizáveis entre tipos celulares.
Embora os modelos de fundação de célula única exibam alguns padrões estruturais compartilhados em seus embeddings de genes, como o enriquecimento ribossômico, os outliers geométricos são amplamente específicos de cada modelo e não identificam de forma confiável genes biologicamente importantes ou alvos relevantes para doenças.
O RKMR é uma estrutura escalável e consciente da incerteza que integra modelagem de kernel não linear, seleção de variáveis spike-and-slab e dependência espacial para identificar painéis de marcadores robustos e preditivos a partir de dados de ômica espacial de alta dimensão, superando métodos existentes em acurácia e interpretabilidade.
O benchmark PG-LLM demonstra que modelos de linguagem de propósito geral, apesar de não possuírem acesso a dados estruturais ou alinhamentos de múltiplas sequências, podem classificar variantes de proteínas de forma eficaz e superar muitos preditores baseados em sequências já estabelecidos, embora ainda fiquem atrás de ferramentas biomoleculares especializadas.
Este estudo revela que a inferência de ancestralidade local em baixa divergência genética é fundamentalmente limitada por um limiar de viabilidade e pela inadequação dos dados de referência atuais, em vez da arquitetura do modelo, demonstrando que métricas de precisão por sítio mascaram falhas estruturais graves e que o fornecimento de informações de haplótipo mais ricas gera ganhos de desempenho superiores às inovações arquitetônicas.
Este estudo revela uma família de proteínas de dobra GFP recém-descoberta e evolutivamente conservada, abrangendo procariontes e eucariontes, que substitui o cromóforo fluorescente canônico por uma rede de carga altamente restrita e enterrada de duas argininas, dois glutamatos e uma tirosina, um motivo também encontrado convergentemente na família não relacionada DUF2490.
O MassGAT é uma abordagem de aprendizado coletivo baseada em grafos e de código aberto que integra detecção e anotação de picos para dados de LC-HRMS ao modelar espécies iônicas como um grafo e utilizar uma Rede de Atenção de Grafos para superar os pipelines de processamento independentes existentes.
O artigo apresenta o Boltz2ESI, um framework de ponta a ponta que aproveita um modelo de fundação biomolecular para prever interações enzima-substrato por meio de co-dobramento nativo, capturando, assim, a plasticidade do sítio ativo e superando métodos existentes para acelerar a descoberta de biocatalisadores e a elucidação de vias.
O artigo apresenta o GraNPA, um método que realiza estudos de associação do tipo GWAS em grafos de variação de pangenoma utilizando apenas um pequeno número de indivíduos para identificar regiões genômicas relacionadas ao fenótipo sem viés de referência ou dados populacionais adicionais.
O DPCGS é uma estrutura computacional inovadora que integra estatísticas de resumo de GWAS com dados de sequenciamento de RNA de célula única para alcançar o mapeamento de alta resolução do risco genético para subpopulações celulares e programas regulatórios específicos, demonstrando precisão superior sobre métodos existentes e fornecendo novos insights sobre os mecanismos celulares de doenças complexas como Alzheimer e asma.