766 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 *spatialFDA*, um pacote R de código aberto que combina estatística espacial e análise de dados funcionais para quantificar e testar diferenças na co-localização celular entre múltiplas condições em dados de ômica espacial, demonstrando sua eficácia tanto em simulações quanto na análise de diabetes tipo 1.
Este artigo apresenta um quadro de trabalho integrado que combina modelos de linguagem proteica e estruturas 3D previstas para prever a autoassociação de anticorpos (avaliada por CSI-BLI), demonstrando que a fusão de sequências e contextos estruturais melhora a triagem de desenvolvimento e a previsão de parâmetros como viscosidade e clearance in vivo.
Este estudo apresenta o framework deepHTL, uma abordagem de regressão semiparamétrica profunda que valida e estima a heterogeneidade causal do efeito do tratamento em estudos observacionais, demonstrando em dados de transplante pulmonar que o benefício da transplantação bilateral sobre a unilateral varia significativamente conforme as características do paciente, oferecendo assim diretrizes estatisticamente fundamentadas para a seleção de receptores e alocação de órgãos.
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 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 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.