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.
O artigo apresenta o MultiAMP, um modelo de aprendizado de máquina integrativo que combina informações de sequência e estrutura em múltiplas escalas para superar o estado da arte na previsão de peptídeos antimicrobianos, permitindo a descoberta de novos candidatos e o design racional de peptídeos terapêuticos.
Este artigo apresenta a "spatial mechanomics" e a plataforma computacional MechScape, um framework inovador que mapeia as propriedades mecânicas heterogêneas em escala tecidual e as integra com dados multi-ômicos, permitindo a descoberta de domínios mecânicos distintos e a análise quantitativa de remodelação em tecidos como o miocárdio murino.
O artigo apresenta o TOASTER, um método de análise de dados topológicos que avalia a associação entre a expressão contínua de proteínas espaciais e variáveis de resposta clínica em pacientes, contornando as limitações e erros de segmentação celular tradicionais e demonstrando maior poder estatístico e robustez em estudos de proteômica espacial.
O artigo apresenta o AbiOmics, um pipeline de aprendizado de máquina que utiliza dados de perfil transcriptômico para identificar e discriminar com alta precisão múltiplos estresses abióticos em plantas, oferecendo uma ferramenta superior aos métodos tradicionais para a gestão agrícola e o melhoramento genético.
O artigo apresenta o MAP, um framework baseado em conhecimento que integra um grande grafo de conhecimento biológico e estratégias de pré-treinamento para prever com precisão as respostas de células a drogas não perfiladas, superando os modelos existentes em cenários de generalização zero-shot.
O artigo apresenta o CO_SCPLOWILANTROC_SCPLOWO_SCPCAP-C_SCPCAPO_SCPLOWSLC_SCPLOW, um framework sem grafos que utiliza modelos fundamentais biológicos pré-treinados e predição conformal para prever pares de letalidade sintética com incerteza calibrada, superando as limitações de métodos existentes ao evitar dependência de redes de interação proteica e anotações de ontologia gênica.
O artigo apresenta o DENcode, um modelo robusto que combina dados genéticos de haplótipos do vírus da dengue com parâmetros epidemiológicos para estimar probabilidades de transmissão entre casos, demonstrando em dados de Colombo, Sri Lanka, que essa abordagem fornece redes de transmissão mais informativas e identifica indivíduos-chave para o controle da doença.
Este artigo apresenta um quadro de trabalho para a descoberta autônoma de fármacos impulsionada por inteligência artificial, que integra grafos de conhecimento e modelos de linguagem grandes para gerar hipóteses transparentes e executar workflows de descoberta de alvos em escala massiva.
O artigo apresenta o Cuttlefish 3, um algoritmo paralelo de memória externa em C++17 que introduz três inovações para construir grafos de Bruijn compactados coloridos de forma escalável, alcançando um aumento de velocidade de 3,29 a 4,09 vezes em relação ao estado da arte (GGCAT) ao processar grandes volumes de dados genômicos.
O artigo apresenta o BioMiner, um sistema multi-modal que automatiza a extração de dados de bioatividade proteína-ligante da literatura científica separando a interpretação semântica da construção de estruturas químicas, validado por um novo benchmark abrangente e demonstrando aplicações práticas que aceleram a descoberta de fármacos e melhoram o desempenho de modelos preditivos.