1200 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 BioGraphX-RNA, um modelo interpretável de aprendizado profundo que utiliza codificação de grafos baseada em princípios biofísicos e integra embeddings do RiNALMo para prever com alta precisão e generalização a localização subcelular de diferentes classes de RNA, revelando mecanismos estruturais e de sequência específicos para cada tipo.
Este artigo propõe uma abordagem bayesiana para a estimativa de orientação em criomicroscopia eletrônica, demonstrando que o estimador de erro quadrático médio (MMSE) supera os métodos tradicionais de correlação cruzada, especialmente em condições de baixo sinal-ruído, resultando em reconstruções estruturais mais precisas e numa análise superior da heterogeneidade conformacional.
Este artigo apresenta o método O_SCPLOWARCANEC_SCPLOW, uma ferramenta de linha de comando que utiliza avanços algorítmicos para correção de erros de barcode e UMI e mapeamento de leituras, permitindo uma quantificação de expressão gênica em transcriptômica de célula única mais rápida e precisa do que métodos existentes.
O artigo apresenta o ProtBFF, um framework independente de codificador que melhora a previsão de ΔΔG ao integrar priores biofísicos interpretáveis em representações de aprendizado profundo por meio de atenção cruzada, superando modelos especializados e oferecendo soluções mais confiáveis para engenharia de proteínas.
O artigo apresenta o TopRepo, o primeiro repositório abrangente de espectros de massa de top-down (TD-MS) com mais de 18 milhões de espectros, que permite análises pan-dataset e aprimora significativamente a identificação de proteoformas e o treinamento de modelos de aprendizado profundo para previsão espectral.
O artigo apresenta o CellAwareGNN, um modelo fundamental de grafos aprimorado com dados de genômica de célula única que supera os modelos anteriores ao integrar contextos celulares específicos para prever com maior precisão e interpretabilidade biológica indicações terapêuticas de medicamentos, especialmente em doenças autoimunes.
O MetaTracer é uma ferramenta de alinhamento nucleotídico que permite a atribuição precisa de leituras de metatranscriptomas bacterianos complexos tanto a grupos taxonômicos quanto a genes expressos em uma única etapa, demonstrando alta acurácia em dados simulados e capacidade de detectar diferenças na expressão gênica específica de espécies em amostras de placa dental humana.
Este estudo apresenta um modelo de regressão inversa interpretável e estratificado temporalmente que associa mudanças na expressão gênica (RNA-seq) a alterações na morfologia nuclear observadas por imagem de "cell painting" em resposta à exposição à radiação de baixa dose, utilizando uma abordagem robusta de validação cruzada para identificar preditores transcricionais estáveis ao longo do tempo.
O Cellects é um software de código aberto e amigável ao usuário que automatiza a quantificação do crescimento, movimento e morfologia de organismos em imagens 2D e sequências temporais, oferecendo uma interface gráfica para análise interativa e uma API em Python para personalização, com exportação de dados padronizados para estudos estatísticos.
O artigo apresenta o DeepEST, um framework de aprendizado profundo multimodal que integra dados de expressão gênica, localização e estrutura proteica para prever com precisão a função de proteínas bacterianas, superando métodos existentes e auxiliando na caracterização de proteínas hipotéticas em patógenos humanos.