💻 Category

bioinformatics

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.

💻 bioinformática

Interrogating contrastive learning embeddings for structure-based virtual screening: a case study on DrugCLIP

Este artigo avalia sistematicamente os embeddings de aprendizado contrastivo do DrugCLIP para triagem virtual baseada em estrutura, revelando que, embora seus embeddings de pocket ofereçam uma busca de similaridade estrutural rápida e robusta e seus embeddings de ligante capturem padrões químicos conscientes do pocket com forte generalização para alvos não vistos, o desempenho é significativamente limitado por variações conformacionais e imprecisões nos pockets proteicos preditos.

Sanchez Utges, J., Jones, D. T., Orengo, C.2026-09-18
💻 bioinformática

Targeted ortholog search in unannotated genome assemblies with fDOG-Assembly

O artigo apresenta o fDOG-Assembly, uma nova ferramenta que permite buscas de ortólogos direcionadas e conscientes da arquitetura de características diretamente em montagens genômicas não anotadas, superando assim as limitações dos métodos tradicionais que dependem de proteomas pré-anotados e revelando novos insights biológicos, como o potencial generalizado de biossíntese de β\beta-lactama em colêmbolos.

Muelbaier, H., Arthen, F., Tran, V., Schaefer, I., Balint, M., Ebersberger, I.2026-09-16
💻 bioinformática

Structured cross-omics interaction discovery with a triple-graph model

O artigo apresenta o TriGer, uma estrutura de grafo triplo que supera as limitações das associações pareadas fragmentadas em dados multiômicos ao identificar módulos muitos-para-muitos interpretáveis e coordenados entre camadas moleculares, demonstrando sua eficácia na recuperação de sinais estruturados em simulações e revelando padrões biológicos específicos de doenças na doença inflamatória intestinal e no câncer colorretal.

YU, J., Lin, H., Chen, S.2026-09-16
💻 bioinformática

Flow Orchestrated Regulatory Genomics Engine (FORGE): A Configurable Nextflow Pipeline for End-to-End snMultiome Analysis

O FORGE é um pipeline Nextflow conteinerizado e configurável que automatiza a análise de multioma de núcleo único de ponta a ponta ao integrar dados de expressão gênica e acessibilidade da cromatina para inferência de redes regulatórias e testes diferenciais, aumentando assim a escalabilidade, a reprodutibilidade e a interpretação biológica através de diversos conjuntos de dados.

Solano, L. E., Rahimzadeh, N., Shi, Z., Swarup, V.2026-09-16
💻 bioinformática

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
💻 bioinformática

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
💻 bioinformática

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
💻 bioinformática

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
💻 bioinformática

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