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.
O artigo apresenta o método UDAL, uma estratégia de aprendizado ativo que combina estimativa de incerteza e seleção de diversidade para otimizar a validação laboratorial de interações TCR-pMHC, reduzindo significativamente os custos e o tempo de descoberta de terapias com células T ao maximizar a eficiência da amostragem de dados.
O artigo apresenta o FairTCR, um framework de otimização robusta que reduz significativamente as disparidades de desempenho na previsão de ligação TCR-pMHC entre alelos HLA raros e coortes sub-representadas, mantendo a precisão média global.
Este estudo demonstra que a aplicação de técnicas de aprendizado de máquina para imputar dados faltantes de abundância de mosquitos em Bolívar, Venezuela, melhora significativamente a precisão da previsão da incidência de malária por *Plasmodium vivax*, embora não tenha sido eficaz para *Plasmodium falciparum*, reforçando a importância da escolha do método para modelos de vigilância em regiões endêmicas.
O artigo apresenta o ORION, um framework de IA agencial que utiliza modelos de linguagem para automatizar a análise de dados de perfil imunológico de alta dimensão, reduzindo o tempo de interpretação de semanas para horas e gerando hipóteses biológicas testáveis com precisão e reprodutibilidade.
Os autores apresentam um framework generativo baseado em modelos de linguagem proteica para projetar proteínas intrinsecamente desordenadas com comportamentos conformacionais específicos, demonstrando que o controle preciso dessas propriedades depende fundamentalmente da disponibilidade de grandes volumes de dados.
O artigo apresenta o vcfilt, uma ferramenta de filtragem de arquivos VCF implementada em Go que utiliza um parser de varredura de bytes sem alocação de memória para alcançar um processamento 12,2 vezes mais rápido que o bcftools em dados não comprimidos, mantendo a compatibilidade de saída e oferecendo distribuições em binário estático e contêineres.
O artigo apresenta o ABB4-STEROIDS, um modelo generivo de previsão estrutural que amostra com precisão de última geração ensembles conformacionais de anticorpos, superando as limitações de custo computacional das simulações de dinâmica molecular e da precisão dos métodos de aprendizado profundo atuais.
Este estudo demonstra que as proteínas EndoG das espécies de rãs *Xenopus laevis* e *Xenopus tropicalis* exibem adaptações estruturais distintas e complementares aos seus respectivos ambientes térmicos, evidenciando o papel dominante da temperatura na diversificação evolutiva de proteínas em vertebrados ectotérmicos.
O artigo apresenta o ProteomeScan, uma ferramenta computacional de alto desempenho que realiza varreduras proteômicas em larga escala para identificar e validar alvos proteicos de moléculas semelhantes a fármacos, superando as limitações de métodos existentes em velocidade, precisão e cobertura.
O artigo apresenta o MICRON, uma ferramenta automatizada de aprendizado de múltiplas instâncias que identifica representações de microambientes imunes espaciais associadas a desfechos clínicos sem necessidade de segmentação celular, demonstrando sua eficácia na previsão prognóstica e na descoberta de interações celulares críticas em câncer cerebral.