💻 Category

bioinformatics

1012 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.

💻 bioinformatics

ML4SD: Leveraging Machine Learning and High-Throughput Search Algorithms for an Iterative Growth-Coupled Design Innovation

O artigo apresenta o ML4SD, um ciclo de aprendizado ativo Design-Build-Test-Learn que integra aprendizado de máquina com um novo algoritmo de alto rendimento (gcSwarms) para identificar eficientemente designs de linhagens microbianas acopladas ao crescimento, alcançando rendimentos de carbono significativamente maiores com muito menos iterações experimentais do que os métodos de busca tradicionais.

Gargantilla Becerra, A., Nogales Enrique, J.2026-09-16
💻 bioinformatics

A Turing-Style Test for In-Silico Antibodies: How Sampling Mode Makes WGAN-GP Beat VAE in the Wet Lab

Este estudo demonstra que, embora as Wasserstein GANs tenham superado os Variational Autoencoders na geração de anticorpos de novo experimentalmente viáveis (99% vs. 5% de sucesso), essa disparidade foi impulsionada primordialmente pela estratégia de amostragem — geração incondicional versus semeadura latente com anticorpos conhecidos — em vez de uma superioridade arquitetônica inerente.

Kummer, A., Mahmoudinobar, F., Liu, W., Davis, J. W., Ma, E. J., Kumar, S.2026-09-16
💻 bioinformatics

Uncertainty-Aware Model Selection with a Calibrated Probability-Generating-Function-Based Bayesian Information Criterion

Este artigo introduz uma regra de seleção de modelos consciente da incerteza para modelos estocásticos de expressão gênica que aprimora o convencional PGF-BIC ao incorporar um limiar baseado em dados, derivado via funções de influência e a desigualdade de Cantelli, para contabilizar a incerteza de amostragem e evitar a seleção excessiva de modelos complexos sem sacrificar a eficiência computacional.

Wang, Y., Shu, Z., Gao, F., Cao, Z.2026-09-16
💻 bioinformatics

Interpretable Machine Learning Reveals Complementary Age-Related Signatures in the Oral and Gut Microbiome

Ao empregar a interpretabilidade baseada em SHAP em dados pareados de microbioma oral e intestinal, este estudo revela que, embora os modelos combinados não superem a acurácia preditiva perfeita dos dados intestrais isolados para distinguir recém-nascidos de adultos, eles descobrem assinaturas biológicas complementares e não redundantes da cavidade oral que seriam perdidas de outra forma por métricas de acurácia convencionais.

Ruthbah, C. A., Sadi, T. H., Jahan, N. E. S., Adib, A. N. M. T.2026-09-15
💻 bioinformatics

Hierarchical temporal transformer for cancer grade prediction and cross cancer transfer learning from pathology reports

Este artigo introduz o Hierarchical Temporal Transformer (HTT), uma arquitetura de dois níveis que aproveita relatórios patológicos longitudinais e embeddings de tipos de câncer para alcançar o estado da arte em predição de grau de câncer e demonstrar um aprendizado por transferência zero-shot eficaz para tipos de câncer não vistos sem penalidades de desempenho.

Brimo, N., Anand, R., Harb, H., Serdaroglu, D. C.2026-09-15
💻 bioinformatics

POME: Graph-based embeddings for partially observed mixed-type data

O artigo apresenta o POME, um modelo de incorporação baseado em grafos e autossupervisionado projetado para gerar representações de baixa dimensão para dados biomédicos de tipos mistos parcialmente observados, alcançando desempenho de estado da arte em imputação e permitindo tarefas subsequentes eficazes, como descoberta de subgrupos de pacientes, modelagem preditiva e recomendação de terapia.

Woller, F., Arend, L., Kist, A. M., List, M., Rahimi, F., Sirocchi, C., Blumenthal, D. B.2026-09-15
💻 bioinformatics

An interpretable peptide-HLA model emergently learns binding energetics and structure

O artigo apresenta o LAMINA, um modelo de aprendizado profundo interpretável que prevê com precisão a ligação peptídeo-HLA ao agregar interações de motivos suaves, alcançando um desempenho de estado da arte enquanto aprende emergentemente a energética de ligação e características estruturais apenas a partir de dados de sequência.

Chen, S. F., Steele, R. J., Oermann, E. K.2026-09-14
💻 bioinformatics

pydreg: a fast Python package for identifying active cis-regulatory elements from nascent transcription

O artigo apresenta o pydreg, uma reimplementação em Python rápida e de fácil manutenção do algoritmo dREG para identificar elementos cis-regulatórios ativos a partir da transcrição nascente, que reduz significativamente o tempo de execução e o uso de memória, preservando a precisão e a compatibilidade do método original com a infraestrutura computacional moderna.

He, A. Y., Danko, C. G.2026-09-13
💻 bioinformatics

Matched full-UDG and non-UDG ancient DNA libraries reveal trade-offs in post-mortem damage correction for imputation and kinship inference

Ao comparar bibliotecas de DNA antigo correspondentes, tanto com UDG total quanto sem UDG, de indivíduos mongóis medievais, este estudo demonstra que, embora vários métodos de correção de danos computacionais (decapagem, reescalonamento e mascaramento) equilibrem diferencialmente a retenção de sítios em relação à redução de erros, a escolha ideal depende da análise subsequente específica, sendo que os dados corrigidos provaram ser essenciais para a inferência precisa de parentesco em bibliotecas sem UDG.

Ravdandorj, O., Sampildondov, C., Janchiv, K., Gakuhari, T.2026-09-13
💻 bioinformatics

A Framework for Quantifying DNA Methylation Heterogeneity and Detecting Co-methylated loci from Native Nanopore Sequencing

Este artigo apresenta uma estrutura escalável integrada ao pacote DMRcaller que aproveita o sequenciamento nativo da Oxford Nanopore para quantificar a heterogeneidade da metilação de DNA de molécula única e detectar loci com co-metilação, revelando padrões epigenéticos e interações regulatórias obscurecidos pelas tradicionais análises de média ao nível do sítio.

Kim, Y. J., Zabet, N. R.2026-09-13