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 Mievformer, um framework baseado em aprendizado auto-supervisionado mascarado que supera métodos existentes ao aprender representações microambientais robustas e probabilisticamente acopladas à heterogeneidade celular em dados de ômica espacial, permitindo a descoberta biológica sem necessidade de rótulos de verdade fundamental.
O artigo apresenta o Turep, um método de aprendizado profundo que identifica com robustez células T reativas a tumores em dados de transcriptômica de célula única e espacial, superando biomarcadores existentes e demonstrando capacidade preditiva na resposta à imunoterapia.
Este estudo propõe o conceito de "dialetos genômicos" para demonstrar que os padrões de viés no uso de códons são moldados principalmente pelas propriedades físico-químicas dos aminoácidos e pela classificação da segunda base do códon, refletindo restrições de estabilidade proteica e fidelidade translacional em vez de relações filogenéticas estritas.
Os autores apresentam o *memerna*, uma ferramenta que utiliza amostragem iterativa determinística para modelar de forma eficiente e escalável o enovelamento de RNA durante a transcrição, superando as limitações de métodos estocásticos e permitindo a exploração exaustiva de estruturas que capturam estados fora do equilíbrio.
Este estudo apresenta uma avaliação sistemática que demonstra que o AlphaFold2 supera o OpenFold3 na previsão de complexos proteína-peptídeo, revelando viés de memorização no primeiro, a necessidade de métricas de confiança específicas para peptídeos e a inadequação dos limiares de qualidade tradicionais de complexos proteína-proteína para este contexto.
Este trabalho investiga o uso de Redes Neurais em Grafos (GNNs) e modelos híbridos para prever interações proteína-ligante na descoberta de fármacos, abordando desafios de interpretabilidade e viés de dados para criar modelos de IA mais transparentes, precisos e biologicamente fundamentados.
Os autores desenvolveram as ferramentas de otimização de códons OptimWiz 2.1 e 3.0, baseadas em métodos clássicos e de inteligência artificial, respectivamente, as quais superaram outras soluções comerciais na expressão de proteínas e revelaram princípios fundamentais de otimização de códons por meio de aprendizado de máquina.
O artigo apresenta o SpaceBender, uma ferramenta de código aberto que utiliza informações espaciais específicas para remover ruídos de difusão de RNA em dados de transcriptômica espacial, superando métodos atuais e revelando insights biológicos ocultos em diversos tipos de dados, incluindo resolução subcelular.
Este estudo propõe uma estrutura de rede de similaridade derivada de tensores que utiliza a decomposição de dados de transcriptômica espacial para caracterizar padrões espaciais e heterogeneidade no câncer colorretal, demonstrando que a organização espacial real do tumor impõe restrições estruturais distintas em comparação com configurações aleatórias.
O artigo apresenta o EpiRanha, um novo framework multimodal que combina embeddings de sequência ESM-2 e uma rede neural gráfica equivariante para gerar assinaturas de resíduos que permitem a identificação precisa e flexível de epitopos estruturalmente similares, superando as limitações dos métodos baseados apenas em alinhamento rígido ou identidade de sequência.