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.
Os pesquisadores desenvolveram uma abordagem híbrida de aprendizado de máquina que identificou e validou experimentalmente dois novos compostos, berberrubina e PE859, como inibidores eficazes da agregação da proteína TDP-43, demonstrando potencial terapêutico para doenças neurodegenerativas.
O artigo apresenta o CodonRL, um framework de aprendizado por reforço que otimiza sequências de códons sinônimos para melhorar a eficiência de tradução, estabilidade de RNA e propriedades composicionais, superando métodos existentes ao combinar feedback de dobramento estrutural rápido, aprendizado guiado por demonstrações e recompensas intermediárias para equilibrar múltiplos objetivos em proteínas humanas.
Os autores desenvolveram o servidor web TOXsiRNA, que utiliza modelos de aprendizado de máquina baseados em suporte vetorial (SVM) para prever computacionalmente a toxicidade e os efeitos off-target de siRNAs quimicamente modificados, oferecendo uma ferramenta gratuita para otimizar o design de terapias e pesquisas moleculares.
Este estudo desenvolveu um modelo computacional baseado em cinco características, com alta precisão, para prever a resistência à bedaquiclina em *Mycobacterium tuberculosis* associada a variantes do gene Rv0678, visando aprimorar o manejo clínico da tuberculose resistente à rifampicina.
Os pesquisadores desenvolveram o miRarchitect, uma plataforma web baseada em aprendizado de máquina que otimiza o design de microRNAs artificiais para silenciamento gênico preciso e específico, superando as limitações das ferramentas atuais e demonstrando eficácia validada experimentalmente.
O artigo apresenta o Theseus, um algoritmo inovador que realiza alinhamento óptimo de sequências a grafos com lacunas afins de forma rápida e com requisitos de memória reduzidos, superando significativamente os métodos atuais em tarefas como alinhamento múltiplo de sequências e mapeamento de leituras em pangenomas.
O artigo apresenta o evoCancerGPT, um modelo de linguagem generativa pré-treinado que utiliza aprendizado por transferência em dados de RNA de célula única para prever com precisão a evolução da expressão gênica em tumores, permitindo a caracterização da progressão do câncer em nível de paciente individual e contribuindo para cuidados oncológicos mais personalizados.
O artigo apresenta o ChatDIA, um fluxo de trabalho baseado em modelos de linguagem de grande escala (LLM) em configuração zero-shot que automatiza a análise de dados de proteômica DIA com alta precisão e transparência, oferecendo interações em linguagem natural e justificativas interpretáveis para decisões de identificação de peptídeos.
O artigo apresenta o LineageSim, um simulador de linhagem de células únicas inovador que gera expressão gênica consciente do destino celular, incorporando sinais latentes de comprometimento futuro nas células progenitoras para superar as limitações dos simuladores existentes e fornecer dados de referência robustos para o desenvolvimento e validação de métodos computacionais em biologia do desenvolvimento.
O GeneReL é uma plataforma integrada que utiliza modelos de linguagem de grande escala (LLMs) combinados com curadoria comunitária para extrair e validar relações de regulação gênica em *Arabidopsis thaliana*, oferecendo um banco de dados detalhado e complementar aos recursos existentes.