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 artigo apresenta o framework ProtGenesis, que estabelece princípios físicos universais e um modelo determinístico para explicar a gênese das estruturas proteicas, oferecendo uma base matemática interpretável para decifrar os modelos de aprendizado profundo e compreender a origem funcional das proteínas.
Este estudo apresenta o SPrOUT, uma abordagem computacional e de sequenciamento direcionado que utiliza o kit Angiosperms353 para identificar com alta precisão espécies de plantas em amostras mistas, superando desafios de custo e eficiência dos métodos tradicionais.
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.
Este estudo pan-câncer demonstra que a composição do microambiente tumoral, derivada de perfis de expressão gênica, contém informações suficientes para prever com alta precisão o status de mutações de condutores do câncer em múltiplos tipos tumorais, validado em coortes independentes de diversas plataformas.
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.
O artigo apresenta o GlycoForge, uma ferramenta em Python que gera dados simulados de glicômica com verdade fundamental conhecida e efeitos injetáveis, permitindo o benchmark rigoroso de métodos analíticos e a avaliação de algoritmos de correção de efeitos de lote.
Este estudo apresenta um novo genoma de alta qualidade da variedade Mazia de Ensete ventricosum, revelando que cerca de 25% do seu genoma é exclusivo em comparação com as subfamílias A e B da banana, o que fornece recursos fundamentais para a compreensão da adaptação da cultura e o desenvolvimento de estratégias de melhoramento genético para a segurança alimentar na Etiópia.
Este artigo apresenta o HMOTP, um novo framework de aprendizado de máquina que utiliza construção hierárquica de recursos, mecanismos de atenção multinível e aprendizado por transferência para prever trajetórias longitudinais de pacientes submetidos a transplante de microbiota fecal, superando desafios de amostras pequenas e integração multi-ômicos com alta precisão e interpretabilidade biológica.
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.