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 iDriver, um modelo gráfico probabilístico que integra recorrência de mutações e impacto funcional ao nível individual do paciente para superar a heterogeneidade na carga mutacional, superando métodos existentes na identificação de genes condutores do câncer em regiões codificantes e não codificantes.
O artigo apresenta o PanMixer, um framework que equilibra privacidade e utilidade em gráficos de pangenoma humanos ao obfuscar seletivamente haplotipos individuais para mitigar riscos de reidentificação, mantendo ao mesmo tempo a precisão de aplicações genômicas essenciais e incentivando a participação de populações sub-representadas.
Este trabalho apresenta um algoritmo de Monte Carlo que constrói diretamente conjuntos de cores distintos para k-mers em grafos de Bruijn coloridos, permitindo a deduplicação e compressão em tempo real com baixo uso de memória e probabilidade de erro extremamente baixa, superando assim os gargalos de construção de índices em grandes conjuntos de genomas microbianos.
Este artigo demonstra, em um ambiente sintético controlado, que uma abordagem de aprendizado supervisionado baseada em autoencoders convolucionais e redes de regressão pode mapear diretamente imagens de microscopia crioeletrônica (cryo-EM) para coordenadas atômicas 3D, superando a necessidade de recuperação de pose ou cálculos de projeção e fornecendo uma prova de conceito quantitativa para a estimativa rápida de variabilidade conformacional.
Este trabalho demonstra que a divulgação pública de Escores de Risco Poligênico (PRS) pode ser explorada para recuperar genótipos e reidentificar indivíduos, propondo uma estrutura analítica para avaliar esses riscos e uma solução para compartilhar modelos de PRS sem comprometer sua utilidade ou a privacidade.
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 estudo demonstra que a integração do método de transcriptogramas com análise de componentes principais (PCA), utilizando redes de interação proteína-proteína como filtro biológico, revela a arquitetura funcional oculta da transição epitélio-mesênquima (EMT), identificando módulos críticos como uma mudança metabólica, um bloqueio do ciclo celular e um programa de resistência química que não seriam detectados por análises convencionais.
O artigo apresenta os "tracepoints" adaptativos, um método de codificação de alinhamentos que segmenta sequências com base em métricas de complexidade variável, alcançando uma compressão significativamente superior às abordagens de tamanho fixo sem comprometer a precisão ou a velocidade de reconstrução em pangenomas.
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.