1205 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 a Tokenização Guiada (GT), uma estratégia que prioriza subsequências biologicamente e estatisticamente relevantes em combinação com adaptação de domínio, demonstrando melhorar significativamente a qualidade das representações e a precisão de classificação em modelos de linguagem genômica compactos para diversas tarefas biológicas.
Este artigo demonstra que modelos de linguagem grandes de pesos abertos, combinados com filtragem semântica, superam as buscas por palavras-chave tradicionais e alcançam desempenho comparável a modelos fechados na curadoria automatizada e escalável de metadados de bancos de dados públicos de ciências da vida.
O artigo apresenta o Wayfarer, uma nova estrutura computacional em R que analisa dados de transcriptômica espacial em múltiplas escalas para revelar padrões de progressão tumoral, como a coesão de regiões tumorais e o agrupamento de marcadores imunes, que seriam invisíveis em análises de resolução única.
O SCiMS é uma ferramenta bioinformática inovadora que utiliza dados de DNA hospedeiro em sequências metagenômicas para prever com alta precisão o sexo do hospedeiro, mesmo em amostras com baixa cobertura de DNA, superando as limitações de ferramentas existentes e sendo aplicável a diversas espécies.
O artigo apresenta o DEFT, um novo método de aprendizado de máquina que combina abordagens baseadas em sequência e estrutura para prever com maior precisão e eficiência os números da Comissão de Enzimas (EC), permitindo a anotação em larga escala de repertórios enzimáticos bacterianos, como demonstrado na validação experimental de glicosídeo hidrolases em bactérias associadas ao muco intestinal.
Este artigo apresenta um novo framework de avaliação balanceada por entidades e a estratégia de treinamento UnbiasNet para mitigar vieses de shortcut em previsões de associações biológicas multi-entrada, permitindo uma avaliação mais justa e robusta do aprendizado relacional genuíno.
Este artigo demonstra que um novo algoritmo de downsampling baseado em prefixos, ao reduzir o tamanho dos genomas bacterianos para representações de k-mers, permite o treinamento eficiente de modelos de aprendizado de máquina que alcançam alta precisão na previsão de fenótipos e oferecem explicabilidade, estabelecendo uma alternativa viável quando o uso de genomas completos é inviável.
O artigo apresenta o PIGLET, um novo método baseado em transformadores de grafos que utiliza um grafo de conhecimento proteico para prever interações fármaco-alvo, superando os modelos existentes em cenários de validação mais rigorosos e demonstrando sua utilidade em um estudo de caso real de descoberta de medicamentos.
Este artigo apresenta a metodologia ICI-Kt, que trata valores ausentes em dados de metabolômica como informações úteis decorrentes de censura à esquerda, permitindo sua inclusão no cálculo da correlação de Kendall-tau para melhorar a detecção de outliers e a construção de redes de características.
O artigo apresenta o ProteomeLM, um modelo de linguagem baseado em transformadores que opera em escala de proteoma inteiro para gerar representações contextuais de proteínas, permitindo a previsão precisa e rápida de interações proteína-proteína e essencialidade gênica em diversas espécies, superando métodos anteriores sem necessidade de supervisão para capturar interações.