1250 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 utiliza abordagens computacionais e de biologia de sistemas para identificar genes, vias e alvos terapêuticos convergentes que conectam o Transtorno de Estresse Pós-Traumático, a Esquizofrenia e o Transtorno Bipolar a processos de inflamação autoimune e doenças infecciosas.
Este estudo apresenta um quadro abrangente de avaliação para ferramentas de análise de elementos transponíveis em nível de locus em dados de RNA-seq de célula única, revelando as limitações impostas pela ambiguidade de mapeamento e recomendando o uso de estratégias de mapeador único e foco em inserções mais antigas para garantir precisão.
O artigo apresenta o SlytheRINs, uma ferramenta interativa que utiliza parâmetros de grafos e redes de interação de resíduos para analisar dinamicamente ensembles conformacionais de proteínas, demonstrando sua eficácia ao identificar alterações estruturais e funcionais na subunidade catalítica humana G6PC1 causadas pela variante patogênica G188R.
Este estudo utiliza simulações para concluir que, embora a hibridização entre corais *Acropora* no Caribe não represente um risco significativo de "swamping" genético, ela também oferece pouco potencial para introgressão adaptativa em escalas de tempo relevantes para a restauração.
O artigo apresenta o DeepAllele, um novo modelo de aprendizado profundo que utiliza medições alélicas específicas de pares para prever mudanças sutis na regulação gênica e descobrir motivos regulatórios funcionais com maior precisão do que os métodos estatísticos tradicionais.
Este artigo apresenta um quadro de inferência estatística avançado, baseado em máxima verossimilhança e inferência Bayesiana variacional, para estimar com precisão e quantificar a incerteza das taxas de crescimento de mutantes a partir de dados de sequenciamento em pool, permitindo a aplicação de diversos modelos de crescimento além do exponencial para mapear paisagens de fitness e inferir parâmetros bioquímicos fundamentais.
O artigo apresenta o EGGS, uma ferramenta em C que generaliza genótipos empíricos com dados ausentes replicando sua distribuição em outros replicados e oferece diversas funcionalidades para manipulação, simulação e conversão de formatos de dados genéticos.
O artigo apresenta o CycleGRN, um novo framework que infere redes de regulação gênica a partir de dados de RNA-seq de célula única ao modelar processos oscilatórios como um sistema dinâmico estocástico, permitindo a recuperação precisa de interações regulatórias direcionais e cíclicas sem a necessidade de dados temporais ou de splicing.
O artigo apresenta o ProChoreo, um framework de aprendizado profundo generativo que projeta ligantes *de novo* incorporando explicitamente ensembles conformacionais dinâmicos derivados de simulações de dinâmica molecular, superando as limitações de abordagens baseadas em estruturas estáticas.
O artigo apresenta o MOSAIC, uma estrutura espectral inovadora que integra dados multi-ômicos de células únicas em escala populacional para gerar embeddings conjuntos de características e amostras, permitindo a descoberta de subtipos de pacientes, a análise de reconfiguração de redes regulatórias e a previsão de desfechos clínicos.