1235 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.
Este estudo integra dados clínicos e transcriptômicos para identificar a proteína LRRN4CL como um novo marcador de recuperação miocárdica prejudicada após o implante de dispositivos de assistência ventricular esquerda, revelando mecanismos de disfunção celular em cardiomiócitos.
Este estudo utiliza métodos de aprendizado de máquina, com destaque para o modelo XGBoost, para analisar dados do Atlas do Microbioma Intestinal Humano e identificar padrões de disbiose associados a doenças em diferentes contextos geográficos e de saúde.
Este estudo avalia a capacidade de transferência de modelos de fundação de retina humana (RETFound) para a estimativa de idade em ratos via OCT, revelando que, embora o modelo seja cientificamente útil, arquiteturas CNN tradicionais ainda superam os Transformers em cenários de escassez de dados típicos da biologia espacial.
O AlphaUnfold é um pipeline automatizado que utiliza simulações de dinâmica molecular sob alta pressão para testar a robustez estrutural de modelos do AlphaFold3, demonstrando que áreas de baixa confiança (pLDDT) correlacionam-se com maior fragilidade e instabilidade biofísica.
O artigo argumenta que os modelos de IA virtual de células atuais carecem de benchmarks confiáveis para a descoberta científica e propõe o framework PerturbHD como uma nova abordagem de avaliação focada diretamente em resultados de descoberta de alvos terapêuticos.
O artigo apresenta o COSMOS+, uma abordagem que integra análise fatorial de dados multi-ômicos com conhecimento mecanístico prévio para modelar a propagação causal de sinais e gerar hipóteses mecanísticas acionáveis sobre doenças complexas, como a resistência ao câncer de mama.
Este artigo apresenta um modelo de rede neural baseada em transformadores lineares que, ao custo computacional significativamente reduzido, supera os métodos de verossimilhança tradicionais na identificação de pressões seletivas em sítios proteicos, desde que treinado com dados representativos da realidade empírica.
Os autores apresentam um algoritmo *de novo* que reconstrói sequências de alelos a partir de leituras de amplicons de longa duração da Oxford Nanopore de forma não enviesada, permitindo a inferência precisa de diplótipos e variações no número de cópias em genes complexos como o CYP2D6 e HLA, sem depender de entradas específicas do usuário.
O artigo apresenta o H2O, um modelo de inteligência artificial geral que utiliza aprendizado contrastivo para prever perfis de transcriptômica e proteômica espaciais diretamente a partir de imagens de histopatologia rotineiras (H&E), superando as limitações de custo e escalabilidade das tecnologias de ômicas espaciais atuais.
O artigo apresenta o Verticall, uma ferramenta de código aberto e eficiente capaz de identificar regiões recombinantes e gerar filogenias livres de recombinação em grandes conjuntos de dados genômicos bacterianos (de centenas a milhares de genomas), superando as limitações de ferramentas existentes em escalas que vão desde linhagens clonais até a diversidade de gêneros.