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 GRASP, um quadro unificado de redes neurais em grafos que representa estruturas de RNA de forma heterogênea para prever com maior precisão e interpretabilidade a localização subcelular de diferentes tipos de RNA, superando os métodos existentes ao modelar simultaneamente interações em nível de nucleotídeo e dependências entre múltiplos compartimentos celulares.
O artigo apresenta o RevelioPlots, uma aplicação web interativa e de código aberto que integra análises estatísticas de pontuações pLDDT com gráficos de Ramachandran coloridos por confiança, permitindo uma avaliação rápida e intuitiva da qualidade de modelos de estruturas proteicas previstas por IA.
O artigo propõe a Entropia de Co-ocorrência Regional (RCE), uma nova medida de entropia espacial baseada em partições que quantifica interações contextuais entre categorias em diferentes ambientes, demonstrando sua utilidade em diversas áreas como biologia espacial, geografia e ecologia.
O artigo apresenta o EnzPlacer, um algoritmo de aprendizado contrastivo que prevê funções enzimáticas desconhecidas ao posicionar sequências proteicas em um contexto funcional preciso, mesmo quando o número EC específico não está presente nos dados de treinamento.
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 estudo utiliza uma abordagem de genomas montados a partir de metagenomas (MAGs) em uma coorte populacional para expandir o referencial do microbioma intestinal, descobrindo novas espécies e revelando associações com doenças que só são detectáveis ao analisar a diversidade intra-específica, como demonstrado no caso de *Odoribacter splanchnicus*.
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 UNISON, um novo framework de inferência variacional que utiliza uma estratégia de "skip-zeros" para realizar fatoração de matrizes não negativas escalável e estatisticamente rigorosa em dados de transcriptômica de célula única com milhões de células, permitindo a análise integrada de grandes conjuntos de dados esparsos sem a necessidade de expandir as matrizes.