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 MAJEC, uma nova ferramenta de quantificação unificada que utiliza um framework Expectation-Maximization para distinguir com maior precisão a expressão gênica da atividade de elementos transponíveis em nível de locus e isoforma, superando as limitações de sobreposição e imprecisão das ferramentas existentes.
Este estudo realiza uma análise em larga escala do proteoma humano, demonstrando que abordagens de aprendizado de máquina baseadas em grafos, particularmente Redes Neurais em Grafos (GNNs), superam métodos tradicionais na previsão de funções fisiológicas e classes de enzimas a partir de Redes de Contato de Proteínas.
Este artigo apresenta uma plataforma de exploração gênica consciente de hierarquia que, ao integrar o conhecimento estruturado do HGNC em um kernel de similaridade, supera as limitações das abordagens convencionais ao identificar módulos toxicológicos coerentes e mecanismos de reprogramação epigenética no contexto da hepatotoxicidade induzida por paracetamol.
Este estudo realiza um benchmark sistemático de modelos de previsão de resposta a drogas em nível de célula única, revelando que a maioria das abordagens atuais falha em prever estados intrínsecos de resistência pré-tratamento e sofre com desequilíbrio de classes, destacando a necessidade de desenvolver modelos de próxima geração com maior relevância clínica.
O artigo apresenta o `found`, uma implementação em Python e R do método HiDDEN que infere perturbações em nível celular a partir de rótulos estruturados em nível de amostra, oferecendo um framework flexível e acessível para análise de dados de célula única.
Este artigo apresenta o CloneMLP-NPE, uma abordagem de inferência bayesiana baseada em simulação e aprendizado profundo que utiliza estimativa neural de posterior para inferir com precisão os coeficientes de seleção de alterações no número de cópias (CNAs) a partir de perfis genotípicos de tumores, superando métodos convencionais e baselines existentes na quantificação de incertezas e na precisão das estimativas.
O artigo apresenta o BioClaw, um ecossistema de colaboração entre humanos e bots que transforma conversas em grupos de mensagens em espaços de trabalho persistentes, convertendo solicitações em linguagem natural em análises executáveis e seguras dentro de contêineres Docker, integrando mais de 90 habilidades e 31 ferramentas biomédicas para apoiar descobertas científicas em diversos domínios.
O artigo apresenta o VCHarness, um sistema autônomo de IA que combina agentes de codificação com modelos fundamentais biológicos para projetar automaticamente modelos de resposta a perturbações celulares, superando abordagens tradicionais em desempenho e reduzindo o tempo de desenvolvimento de meses para dias.
Este artigo apresenta um novo quadro de auditoria baseado na razão residual para avaliar assinaturas gênicas transcriptômicas, demonstrando que a forma da trajetória da razão residual e a diferença de magnitude em relação a baselines aleatórios fornecem métricas robustas e invariantes para quantificar o quanto a variância de uma assinatura permanece ortogonal à estrutura de expressão de fundo, distinguindo conjuntos de genes biologicamente coerentes de combinações arbitrárias sem, contudo, adjudicar independência de confundidores ou avaliar utilidade clínica.
O artigo apresenta o GraphMana, um sistema de gerenciamento de dados nativo em grafos para projetos de genômica populacional que, ao armazenar dados de variantes em um banco de dados gráfico, permite a adição incremental de amostras, o rastreamento de proveniência e a gestão de coortes, eliminando a necessidade de reprocessamento completo e substituindo fluxos de trabalho fragmentados por uma solução unificada e eficiente.