763 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 integra mineração genômica direcionada e modelagem estrutural para revelar uma vasta diversidade de vias biossintéticas de 7-deazapurinas em bactérias, identificando novos clusters gênicos e elucidando mecanismos enzimáticos que conectam esses genes a metabólitos secundários bioativos.
O DOME Copilot é uma solução baseada em modelos de linguagem que extrai relatórios estruturados de métodos de inteligência artificial em artigos científicos, facilitando a transparência, a reprodutibilidade e a escalabilidade na análise da literatura global de IA.
Este estudo calibra oito ferramentas computacionais para classificar variantes de inserção e deleção em quadro (in-frame) de acordo com as diretrizes ACMG/AMP, estabelecendo limiares de pontuação para uso clínico e demonstrando seu valor, embora com desempenho inferior aos preditores de variantes missense.
Este estudo demonstra que, em coortes pan-câncer heterogêneas, a integração de características genômicas, como a carga mutacional tumoral, oferece ganhos marginais na previsão de sobrevivência com imunoterapia, pois o desempenho do modelo é dominado por variáveis clínicas.
O artigo apresenta o LagCI, uma nova ferramenta computacional em R que permite inferir relações causais temporais a partir de séries temporais densas de dados multi-ômicos, superando as limitações de métodos existentes ao identificar interações direcionadas e hubs moleculares que orquestram respostas biológicas.
Este estudo demonstra que a incorporação de estrutura espacial em modelos de dinâmica microbiana resolve a discrepância entre previsões teóricas e observações empíricas, revelando que a distribuição gama de abundância de espécies surge da agregação espacial de comunidades fragmentadas e não necessariamente de mecanismos biológicos locais específicos.
O artigo apresenta o PeptideCLM-2, uma série de modelos de linguagem química treinada em mais de 100 milhões de moléculas para representar nativamente a química complexa de peptídeos terapêuticos, superando as limitações dos modelos existentes e melhorando a previsão de parâmetros de desenvolvimento como difusão membranar, homing tumoral e meia-vida.
Este estudo apresenta um fluxo de trabalho guiado por agentes para o design *de novo* de nanocorpos contra um novo alvo tumoral, combinando análise computacional e triagem experimental para gerar ligantes com afinidade nanomolar sem depender de estruturas experimentais prévias.
Este estudo apresenta um novo quadro de benchmarking consciente da incerteza que, ao integrar características derivadas de repetições e motivos de DNA não-B, revela que cerca de 45% dos transcritos exibem discordância entre classificadores, destacando a necessidade de modelos mais robustos para distinguir lncRNAs de mRNAs.
O artigo apresenta o PathwaySeeker, um sistema de IA fundamentado em evidências que reconstrói redes metabólicas específicas de organismos a partir de dados multi-ômicos e utiliza inferência do tipo "Oracle-in-the-Loop" para distinguir entre reações confirmadas experimentalmente e hipóteses testáveis, demonstrando sua eficácia na análise do fungo *Trametes versicolor*.