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 OmniCleave, um framework de aprendizado em grafos geométricos estruturalmente consciente que supera os métodos existentes ao modelar a especificidade protease-substrato em escala, integrando informações estruturais e topológicas para prever com precisão novos sítios de clivagem e substratos biologicamente relevantes.
Os autores apresentam um modelo computacional geral que utiliza dados de sequenciamento de leitura longa para quantificar a instabilidade de repetições em tandem em todo o genoma, demonstrando que essa instabilidade varia significativamente entre loci e é impulsionada principalmente pela composição das repetições, permitindo a detecção de mosaicismos em alelos expandidos.
O artigo apresenta o BrightEyes-FFS, uma plataforma de código aberto baseada em Python que oferece uma interface gráfica e ferramentas automatizadas para análise abrangente de dados de espectroscopia de flutuação de fluorescência provenientes de detectores em array.
Este artigo apresenta um fluxo de trabalho de análise estatística de código aberto, implementado em R, para detectar analitos diferencialmente abundantes em experimentos de imagem por espectrometria de massa com designs complexos, ilustrando a importância do processamento de sinais, agregação de características, seleção de regiões de interesse e modelos estatísticos adequados através de um estudo de caso com amostras de pacientes com osteoartrite e controles.
O artigo apresenta o TopicVI, um modelo profundo interpretável que integra conhecimento biológico prévio com refinamento orientado por dados para descobrir programas gênicos específicos de contexto em transcriptômica de células únicas e espacial, superando métodos existentes na identificação de variações biológicas e estados tumorais convergentes.
Este artigo apresenta duas extensões da Análise de Componentes Principais Contrastiva (cPCA) — k-{rho}PCA e f-{rho}PCA — que unificam métodos espaciais e funcionais sob um único quadro matemático baseado no quociente de Rayleigh, demonstrando sua utilidade na análise de expressão gênica em genômica.
O artigo apresenta o DIANA, uma rede neural de aprendizado profundo que prevê metadados essenciais de amostras de DNA antigo a partir de abundâncias de unitigs, superando as limitações de métodos baseados em bancos de dados de referência ao demonstrar alta precisão e capacidade de generalização semântica para classificar amostras com rótulos não vistos durante o treinamento.
Este estudo revela que as pressões seletivas positivas e negativas em proteínas humanas alvo de vírus apresentam paisagens espaciais distintas e heterogêneas nos interfaces de interação, onde sítios sob seleção positiva tendem a se agrupar e os interfaces compartilhados com parceiros endógenos atuam como pontos focais de evolução adaptativa.
O artigo apresenta o CoPhaser, um algoritmo baseado em autoencoder variacional que decompõe dados de scRNA-seq em variáveis periódicas e não periódicas ao aprender variedades cíclicas dependentes do contexto, permitindo a descoberta de insights biológicos sobre ciclos celulares, ritmos circadianos e outros processos oscilatórios em diversos cenários de saúde e doença.
Este estudo desenvolve um quadro interpretativo unificado para o AlphaFold-Multimer e AlphaFold3, revelando que a montagem de complexos proteicos é governada principalmente pela geometria estrutural dos monómeros e pela complementaridade das interfaces, em vez da coevolução interproteica, identificando a plasticidade estrutural nas interfaces imunes como o principal obstáculo à melhoria da previsão de complexos antígeno-anticorpo.