1235 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 estudo desenvolveu uma abordagem baseada em espaço funcional, em vez de sequência, para mapear a biossíntese de sideróforos em mais de 97 mil genomas bacterianos, revelando que a diversidade desses compostos é moldada principalmente pelo estilo de vida ecológico e pela transferência horizontal de genes, e não pela filogenia estrita.
Este estudo demonstra, por meio de simulações realistas, que o uso de leituras únicas longas e barcodificadas (até 1000 bp) melhora significativamente a detecção de variantes estruturais em comparação com leituras pareadas curtas, oferecendo uma estratégia custo-efetiva que se aproxima do desempenho de tecnologias de leituras longas.
O artigo apresenta o pacote R open-source markeR, uma ferramenta modular desenvolvida para avaliar sistematicamente o desempenho de conjuntos de genes como marcadores fenotípicos, demonstrando sua eficácia na análise de assinaturas de senescência celular em diversos contextos biológicos e revelando a variabilidade na performance dessas assinaturas.
O artigo apresenta o LongevityBench, um conjunto de tarefas projetado para avaliar a capacidade dos modelos de linguagem de última geração de compreender os princípios biológicos do envelhecimento e interpretar dados biomédicos, destacando suas limitações atuais e propondo diretrizes para maximizar sua utilidade na pesquisa sobre longevidade.
O artigo apresenta o DIA-CLIP, um modelo pré-treinado de aprendizado de representação universal que utiliza aprendizado contrastivo para realizar inferência zero-shot de correspondência peptídeo-espectro na proteômica DIA, superando as ferramentas atuais ao aumentar significativamente a identificação de proteínas e reduzir falsos positivos sem necessidade de treinamento supervisionado por amostra.
O artigo apresenta o TFBindFormer, um modelo híbrido baseado em transformadores com atenção cruzada que integra características de DNA e de proteínas de fatores de transcrição para prever interações TF-DNA com maior precisão e escalabilidade do que os métodos existentes que utilizam apenas sequências de DNA.
O artigo apresenta o U-Probe, uma plataforma universal e agênica que utiliza agentes de IA e um motor de montagem baseado em grafos acíclicos direcionados para automatizar o design de sondas de hibridização in situ por fluorescência (FISH), superando as limitações de ferramentas existentes ao suportar arquiteturas de sondas diversas e permitir fluxos de trabalho conversacionais em linguagem natural.
O artigo apresenta o CROssBARv2, uma plataforma unificada que integra dados biomédicos heterogêneos em um grafo de conhecimento rico para facilitar a exploração interativa, a busca semântica e a descoberta de conhecimento por meio de um sistema de perguntas e respostas baseado em LLM que reduz alucinações.
Este estudo apresenta uma abordagem computacional inovadora que realizou uma triagem em larga escala de quase 630.000 produtos naturais para identificar 10 candidatos ultraseletivos que ativam eficazmente o Nrf2 enquanto minimizam os efeitos colaterais indesejados no PXR e no CYP2D6, estabelecendo uma nova base para o desenvolvimento de terapias mais seguras contra doenças relacionadas ao estresse oxidativo.
Este estudo apresenta um benchmark abrangente de métodos de estimação de matrizes de precisão para análise de redes de co-expressão diferencial, demonstrando que o desempenho varia significativamente conforme as características dos dados e que o método GLassoElnetFast se destaca na recuperação de conexões diferenciais, embora a confiabilidade dependa de amostras suficientes e alta relação sinal-ruído.