1197 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 artigo apresenta o pacote EndoMT R, um recurso curado de conjuntos de genes direcionais projetado para permitir a análise de enriquecimento transcriptômico específica e sensível da transição endotelial-mesenquimal através de diversos modelos experimentais e contextos de doenças, abordando as limitações dos atuais frameworks gerais de transição epitelial-mesenquimal.
Este estudo demonstra que o uso de histologia H&E pareada como um sinal de supervisão durante o treinamento falha em melhorar consistentemente os modelos de fundação transcriptômica porque as estruturas de lote específicas de cada lâmina na transcriptômica espacial baseada em pontos limitam o sinal compartilhado entre gene e morfologia, ultimamente reorganizando a informação existente sem recuperar detalhes biológicos perdidos.
O artigo apresenta o scTAPAS, um framework bioinformático que reconstrói genótipos de doadores diretamente a partir de leituras de sequenciamento de RNA de célula única, permitindo análises precisas de eQTL e associações HLA-TCR mesmo na ausência de dados de genotipagem convencional correspondentes.
O PIE é um modelo inovador que generaliza efeitos de perturbação celular através de contextos, perturbações e conjuntos de dados não vistos ao reformular a tarefa de aprendizagem em torno de efeitos ao nível da população e ao aproveitar entradas biológicas auxiliares, alcançando o estado da arte no desempenho ao prever mudanças na expressão gênica e genes diferencialmente expressos.
Este estudo demonstra que os preditores de efeito de variante baseados em homologia falham sistematicamente para farmacogenes do Citocromo P450 porque rastreiam primariamente a abundância proteica em vez da atividade catalítica, necessitando de uma nova abordagem de modelagem que incorpore o contexto específico do substrato para prever com precisão as consequências funcionais.
O EnsPlex é uma estrutura de múltiplas fontes que integra diversos métodos de amostragem estrutural com um modelo de avaliação de qualidade consciente da topologia (FACET) para melhorar significativamente a precisão e as taxas de sucesso da predição de complexos proteicos em sistemas antígeno-anticorpo em comparação com as abordagens existentes.
Este estudo introduz o algoritmo MAPLE para analisar dados de transcriptômica espacial de múltiplas amostras, revelando que a progressão da fibrose pulmonar idiopática envolve programas fibróticos específicos de região e a colocalização espacial de células senescentes com nichos basais aberrantes em pulmões humanos.
Este artigo apresenta o QHGM, um novo modelo generativo baseado em Hamiltoniano quântico pareado com um algoritmo quântico variacional escalável (VQ-Net) que supera significativamente os métodos clássicos na inferência de redes de regulação gênica a partir de dados de transcriptômica de célula única, conforme demonstrado pela precisão superior em benchmarks sintéticos e insights biologicamente relevantes em glioblastoma.
O MetaUmbra é uma nova ferramenta computacional que permite a inferência de presença em nível genômico estatisticamente controlada em metaproteômica, ao avaliar formalmente evidências de peptídeos únicos e compartilhados contra um painel de genomas de referência para resolver ambiguidades taxonômicas.
Este artigo estabelece que a aplicação de fluxos de trabalho padrão de pré-processamento de scRNA-seq a dados gerados por um modelo de metacélula resulta em um modelo de mistura gaussiana no espaço PCA, um achado derivado da teoria de matrizes aleatórias que revela as limitações do modelo de metacélula em capturar correlações gênicas e subestimar a variância em conjuntos de dados reais, ao mesmo tempo em que oferece uma estrutura para melhorar a modelagem estatística subsequente.