763 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 linearPOA, um framework paralelo e eficiente em memória que utiliza uma estratégia de dividir e conquistar para alcançar complexidade espacial linear para Alinhamento de Ordem Parcial, reduzindo significativamente o consumo de memória em comparação com algoritmos quadráticos existentes ao lidar com leituras de sequenciamento ultra-longas e propensas a erros.
Este estudo apresenta o PanBART, um modelo transformador específico de espécie treinado no conteúdo e na ordem dos genes de *Escherichia coli* e *Streptococcus pneumoniae*, demonstrando sua capacidade superior de aprender estruturas populacionais de forma não supervisionada, identificar linhagens emergentes, prever a aquisição de genes de resistência a antibióticos e analisar a co-seleção de genes para tarefas críticas de vigilância genômica.
Este artigo apresenta um pipeline de autoencoder variacional condicional que integra ajuste fino ponderado por surrogate guiado por QSAR e otimização de entropia cruzada para superar os desafios de escassez de dados e dependência circular, gerando com sucesso peptídeos antimicrobianos direcionados com alta eficácia prevista e propriedades estruturais favoráveis.
Este estudo emprega uma abordagem integrativa de farmacologia de sistemas para caracterizar a heterogeneidade molecular da síndrome antifosfolipídica, identificando a sinalização do interferon tipo I e o reprogramamento de células B semelhantes a mieloides como eixos-chave farmacologicamente viáveis que permitem a estratificação de pacientes e o reposicionamento de terapias existentes para a medicina de precisão.
O artigo apresenta o BioChirp, um framework de código aberto que combina interpretação de consultas baseada em LLMs com recuperação determinística baseada em grafos para recuperar mais associações biomédicas com maior reprodutibilidade do que os sistemas convencionais baseados em LLMs.
O artigo apresenta o Impulsionador de Protótipos Explicável (EP-Booster), um método que integra conhecimento prévio biológico em modelos fundamentais para refinar representações latentes visando a previsão precisa e interpretável da expressão gênica a partir de imagens histológicas, superando assim as limitações de custo e tempo da transcriptômica espacial.
PixelDeck é uma aplicação de navegador de código aberto e com prioridade local que otimiza a organização, a deduplicação e a navegação interativa de grandes coleções de imagens e vídeos biomédicos em hardware padrão por meio de uma arquitetura modular que inclui importação recursiva, detecção de duplicatas SHA-256 e processamento assíncrono.
O artigo apresenta o Tiberius, um preditor de genes ab initio baseado em aprendizado profundo que alcança precisão de última geração e tempos de execução significativamente mais rápidos em diversos clados eucarióticos ao treinar modelos específicos de linhagem, abordando efetivamente os atuais gargalos na anotação de genomas.
Este artigo adapta a suíte kallisto-bustools para permitir o pré-processamento eficiente, preciso e uniforme de dados de RNA-seq de célula única bacteriana, abordando os desafios impostos por operões e comprimentos gênicos curtos a fim de estabelecer uma base escalável para a transcriptômica microbiana.
O artigo apresenta o COSMOS+, uma abordagem que integra análise fatorial de dados multi-ômicos com conhecimento mecanístico prévio para modelar a propagação causal de sinais e gerar hipóteses mecanísticas acionáveis sobre doenças complexas, como a resistência ao câncer de mama.