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 RAGulate é um framework de geração aumentada por recuperação que combina a recuperação híbrida de literatura com grandes modelos de linguagem para avaliar e explicar com precisão as interações entre fatores de transcrição e alvos em contextos biológicos específicos, reduzindo, assim, as alucinações e acelerando a priorização experimental para biólogos.
Ao desenvolver o modelo hierárquico bayesiano variacional eTRex e aplicá-lo a 4.819 conjuntos de dados de ATAC-seq, este estudo constrói um atlas pan-cancerígeno abrangente e específico de contexto de perfis de reguladores transcricionais funcionais que revela programas regulatórios oncogênicos comuns e específicos de cada câncer, validados por meio de triagens genômicas independentes e acessíveis via um portal web interativo.
O HERMES é um modelo de rede neural rápido e baseado em estrutura que prevê efeitos mutacionais na estabilidade proteica e na afinidade de ligação ao aproveitar ambientes atômicos 3D locais e uma estratégia de ajuste fino amortizado para superar vieses baseados em tamanho, permitindo, assim, um design de vacinas preciso e computacionalmente eficiente.
Este estudo integra a análise de genoma completo com a modelagem da estrutura proteica 3D para demonstrar como as variações genéticas em fatores de virulência, particularmente o complexo receptor-intimina, podem ser caracterizadas funcionalmente para melhorar a avaliação de risco e o diagnóstico para diversos *E. coli* produtores de toxina Shiga não-O157.
O artigo apresenta o VAIruScope, um pipeline baseado em aprendizado profundo que permite a identificação e quantificação automatizada e livre de marcação de células infectadas por vírus através de diversos modelos celulares e de RNA, DNA e retrovírus clinicamente relevantes, ao reconhecer efeitos citopáticos em imagens de microscopia de luz com até 96% de precisão.