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.

Inferring division-associated stochasticity from time-series single-cell transcriptomes

O artigo apresenta o scDIVIDE, um framework baseado em equações diferenciais estocásticas que infere dinâmicas celulares contínuas e taxas de divisão a partir de dados de transcriptoma de célula única, demonstrando que o acoplamento entre nascimentos e difusão permite estimar com precisão as taxas de crescimento e prever distribuições futuras de células, superando métodos existentes.

Okochi, Y., Sawazaki, Y., Kondo, Y., Naoki, H.2026-04-16💻 bioinformatics

MICRON learns outcome-associated representations of spatial immune microenvironments

O artigo apresenta o MICRON, uma ferramenta automatizada de aprendizado de múltiplas instâncias que identifica representações de microambientes imunes espaciais associadas a desfechos clínicos sem necessidade de segmentação celular, demonstrando sua eficácia na previsão prognóstica e na descoberta de interações celulares críticas em câncer cerebral.

Chen, C.-J., George, B., Dhawka, L., Evangelista, B., Stanley, N.2026-04-16💻 bioinformatics

Multiscale transcriptomic organization of the human brain with DigitalBrain

O artigo apresenta o DigitalBrain, um atlas e modelo de fundação baseado em Transformer que integra 16,35 milhões de transcriptomas de 2.143 doadores para mapear a organização transcricional multiescala do cérebro humano, revelando padrões hierárquicos emergentes e identificando assinaturas específicas de envelhecimento em células do hipocampo.

An, J., Hu, X., Jiang, Y., Jiang, M., Qiu, S., Liu, G., Wei, X., Wang, Y., Lin, J. Q., Wang, C., Lu, M.2026-04-16💻 bioinformatics

FlyPredictome: A structural atlas of predicted protein-protein interactions in Drosophila

O artigo apresenta o FlyPredictome, um atlas estrutural abrangente de 1,5 milhão de interações proteína-proteína previstas em *Drosophila* utilizando AlphaFold-Multimer, que valida interfaces de ligação em nível de resíduo e oferece uma base estrutural para a descoberta de interações e a compreensão da organização modular de vias de sinalização e complexos proteicos.

Kim, A.-R., Comjean, A., Veal, A., Rodiger, J., Han, M., Hu, Y., Perrimon, N.2026-04-16💻 bioinformatics

LinkLlama: Enabling Large Language Model for Chemically Reasonable Linker Design

O artigo apresenta o LinkLlama, um modelo de linguagem grande baseado no Llama 3 que, ao integrar restrições geométricas e propriedades físico-químicas via prompts de linguagem natural, supera as limitações de modelos generativos 3D ao produzir conectores moleculares (linkers) com validade química significativamente superior para a descoberta de fármacos baseada em fragmentos.

Sun, K., Wang, Y. E., Purnomo, J. C., Cavanagh, J. M., Alteri, G. B., Head-Gordon, T.2026-04-16💻 bioinformatics

Highly Accurate Estimation of the Fold Accuracy of Protein Structural Models

O artigo apresenta o DeepUMQA-Global, uma nova estrutura de aprendizado profundo que supera os métodos atuais de avaliação de precisão de modelos de proteínas, incluindo as pontuações de confiança do AlphaFold3 e os melhores métodos do CASP16, ao quantificar a compatibilidade bidirecional entre sequência e estrutura para estimar com alta precisão a acurácia do enovelamento e discriminar estados conformacionais alternativos.

Xie, L., Ye, E., Wang, H., Zhang, T., Zhen, Q., Liang, F., Liu, D., Zhang, G.2026-04-16💻 bioinformatics