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.
O artigo apresenta o RapCluster, uma plataforma interativa que oferece 11 algoritmos de agrupamento para promover a transparência e a reprodutibilidade na análise de dados, abordando a lacuna de documentação e ajuste de parâmetros identificada em uma auditoria de quase 740 mil artigos científicos.
Este estudo estabelece o princípio "profundidade sobre emparelhamento", demonstrando que, para a previsão de estruturas de complexos proteicos, priorizar a inclusão de um maior número de homólogos nas MSAs é mais eficaz do que utilizar emparelhamento específico, pois os ganhos de precisão decorrem principalmente da profundidade dos dados e não de restrições de emparelhamento.
O artigo apresenta o TSvelo, uma nova estrutura matemática baseada em equações diferenciais ordinárias (ODEs) interpretáveis que modela a cascata de regulação gênica, transcrição e splicing para superar as limitações dos métodos atuais de velocidade de RNA e inferir com maior precisão a dinâmica celular e o tempo latente em dados de sequenciamento de RNA de célula única.
Este estudo validou o dispositivo ActTrust(R) como uma ferramenta eficaz e econômica para estimar o gasto energético e classificar a intensidade da atividade física em adultos jovens, demonstrando forte correlação com o consumo de oxigênio e alta precisão na detecção de diferentes níveis de esforço.
Este estudo propõe um novo framework para validar e agregar módulos ativos identificados por múltiplos algoritmos em redes de interação genética, demonstrando que a combinação de diferentes abordagens, por meio de métodos como agrupamento espectral e fusão baseada em condutância, é essencial para superar as limitações de algoritmos individuais e revelar mecanismos biológicos mais completos.
O artigo apresenta o GRASP, um framework eficiente e adaptável que utiliza prompts suaves específicos para pares de genes em modelos de linguagem grandes para inferir redes gênicas de forma escalável e generalizável, superando estratégias existentes na identificação de interações biológicas.
Este estudo identificou os biomarcadores ABCA3 e SCN4B como indicadores relacionados ao exercício no contexto da dissecção aórtica tipo A de Stanford, demonstrando seu potencial para diagnóstico e tratamento através da análise de vias moleculares, infiltração imune e previsão de fármacos.
Este estudo identificou cinco novos compostos (Z1-Z5) como potenciais inibidores antivirulência da enzima EccA1 do sistema de secreção ESX-1 de *M. tuberculosis* através de triagem virtual, docking e simulações de dinâmica molecular, demonstrando propriedades farmacocinéticas favoráveis e alta estabilidade de ligação.
O artigo apresenta o GPCR-Nexus, um sistema de IA baseado em orquestração de múltiplos agentes que integra bases de dados estruturadas e literatura científica não estruturada para extrair, validar e sintetizar conhecimento confiável e rastreável sobre receptores acoplados à proteína G (GPCRs).