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 introduz o problema da Reconstrução Ancestral Completa para Pangenomas (CARP) para preencher a lacuna entre a genômica comparativa e a pangenômica ao superar as limitações teóricas e práticas dos modelos de rearranjo existentes quando aplicados a dados pangenômicos complexos.
Este artigo apresenta dois modelos de aprendizado de máquina livres de estrutura que preveem com precisão preferências pareadas entre compostos e alvos ao comparar estruturas químicas e sequências de proteínas, alcançando alta precisão na classificação sem exigir análise conformacional ou dados de estrutura proteica.
O artigo apresenta o PREpiBind, um framework de fluxo duplo que avalia sistematicamente dez representações de proteínas para a predição de ligação pMHC-II, revelando que, embora os modelos de linguagem de proteínas geralmente alcancem o desempenho mais alto, a escolha da representação ideal depende do cenário de predição específico e das características do conjunto de dados.
O pacote CalFluxTools R é um pipeline automatizado projetado para agilizar a análise de dados de oscilação de cálcio de alto rendimento provenientes de placas de 384 poços, gerando métricas de controle de qualidade, realizando testes estatísticos e prevendo a toxicidade de compostos, superando assim os desafios de processar manualmente mais de 60 parâmetros cinéticos.
O ProtPipe2 é um framework versátil e multiplataforma de análise proteômica downstream, disponível tanto como um pacote de R quanto como uma aplicação web, que unifica fluxos de trabalho de controle de qualidade, análise estatística e visualização para dados de espectrometria de massa, Olink e SomaScan, a fim de aumentar a reprodutibilidade e a flexibilidade.
O OpenAntigens é um banco de dados gratuito e sem necessidade de login que otimiza o design de construtos de antígenos para o proteoma humano secretado e de superfície celular, integrando diversos dados estruturais, topológicos e comparativos em um fluxo de trabalho unificado e interativo para gerar sugestões de design reprodutíveis e conscientes da reatividade cruzada.
Este artigo argumenta que perfis de referência incompletos tornam os alvos de deconvolução em massa não identificáveis em vez de meramente difíceis de estimar, demonstrando que as estimativas pontuais padrão frequentemente carecem de cobertura e podem inverter conclusões biológicas, ao mesmo tempo em que propõe um novo arcabouço que prioriza precisão certificada, cobertura e métricas de falsa certificação em vez de simples encolhimento.
O artigo apresenta o MESIC, um método que integra conhecimento genético curado em um sistema de coordenadas semânticas para mapear dados de expressão de célula única em componentes interpretáveis, permitindo o agrupamento e a anotação biologicamente significativos de tipos celulares sem depender de interpretação post-hoc.
O artigo apresenta o LDDM, um modelo generativo 3D unificado que supera os desafios de acessibilidade sintética na descoberta de fármacos ao permitir o design rápido de novas pequenas moléculas e peptídeos específicos para alvos, os quais foram validados experimentalmente para alcançar alta afinidade de ligação e precisão estrutural em cinco alvos proteicos.
Este estudo demonstra que, na transcriptômica espacial virtual, representações de genes pré-treinadas aprimoram primariamente a predição da expressão média de um gene através de tecidos em vez de sua variação espacial, revelando que a generalização entre genes é impulsionada mais pela transferência de expressão ampla do que pela recuperação de padrões espaciais específicos.