💻 Category

bioinformatics

869 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

CardioSafe: Multi-task prediction of cardiac ion channel activity with reverse-leak audited benchmarking

CardioSafe é uma rede neural multi-tarefa que integra características químicas e transcriptômicas para prever a atividade de canais iônicos cardíacos, demonstrando desempenho superior aos métodos existentes após uma auditoria de vazamento reverso ter revelado e removido a contaminação dos dados de treinamento que anteriormente inflacionava os resultados de benchmark para os canais Nav1.5 e Cav1.2.

Jovanovic, M., Weidener, L. S., Brkic, M., Ulgac, E., Meduri, A.2026-05-12
💻 bioinformatics

Amino Acid Insertion Energetics in a POPC Bilayer from Unbiased Molecular Dynamics

Este estudo utiliza simulações de dinâmica molecular não enviesadas para quantificar a energia de inserção de 28 análogos de aminoácidos em uma bicamada de POPC, gerando potenciais de força média dependentes da profundidade que reproduzem com sucesso as escalas experimentais de hidrofobicidade e elucidam os papéis termodinâmicos dos estados de protonação e da orientação aromática.

Bories, S. C. A., Lague, P.2026-05-12
💻 bioinformatics

CausalKnowledgeTrace: A Novel Computational Framework for Automated Literature-Based Causal Graph Construction and Evidence-Based Variable Selection in Biomedical Research

CausalKnowledgeTrace é um framework computacional escalável baseado em Python que automatiza a construção de gráficos causais baseados em evidências a partir da literatura biomédica para identificar sistematicamente fatores de confusão e estruturas de viés, visando melhorar a inferência causal em estudos observacionais.

Upadhayaya, R., Pradhan, M. M., Metzger, V. T., Malec, S. A.2026-05-12
💻 bioinformatics

The elusive resistome: a global comparison reveals large discrepancies among detection pipelines

Este estudo demonstra que a falta de metodologia padronizada na detecção de genes de resistência a antibióticos leva a discrepâncias massivas entre os pipelines, fazendo com que os mesmos dados metagenômicos produzam interpretações biológicas conflitantes e sublinhando a necessidade de os pesquisadores justificarem e comunicarem cuidadosamente suas abordagens analíticas escolhidas.

Inda-Diaz, J. S., Adegoke, F., Löber, U., Jarquin-Diaz, V. H., Duan, Y., Bengtsson-Palme, J., Ugarcina Perovic, S., Coe (…)2026-05-12
💻 bioinformatics

Zero-shot biological reasoning with open-weights large language models reproduces CRISPR screen based prediction of synthetic lethal interactions.

Este estudo demonstra que modelos de linguagem grandes de pesos abertos, particularmente o Qwen2.5-32B-Instruct, podem prever efetivamente interações letais sintéticas ao aproveitar conhecimento biológico pré-treinado para superar o acaso aleatório e métodos não baseados em LLM, oferecendo uma alternativa escalável e interpretável para priorizar novos alvos terapêuticos no câncer.

Prosz, A. G., Sztupinszki, Z., Diossy, M., Kilim, O., Zimon, B., Szallasi, Z., Csabai, I. G.2026-05-11
💻 bioinformatics

Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows

Este artigo apresenta os fluxos de Normalização Multivista Alinhada no Latente (LAMNr), um framework de aprendizado profundo que aprende subespaços latentes compartilhados entre conjuntos de dados multimodais heterogêneos para permitir modelagem de verossimilhança exata, imputação intervisão em forma fechada e uma interpretação de anatomia computacional de templates populacionais e interpolação geodésica, apoiado por uma implementação abrangente de código aberto em PyTorch integrada ao ecossistema ANTsX.

Tustison, N. J., Avants, B. B., Cook, P. A., Gee, J. C., Stone, J. R.2026-05-11
💻 bioinformatics

Cadence: A Benchmark Evaluation of the Narrative Velocity Framework for Next Clinical Event Prediction in MIMIC-IV

Este estudo introduz o modelo Cadence, uma estrutura de Velocidade Narrativa que utiliza embeddings de PubMedBERT auto-distilados dentro de um MLP residual, demonstrando melhorias estatisticamente significativas na precisão da previsão do próximo evento clínico e na regressão de tempo até o evento em relação a bases robustas no conjunto de dados MIMIC-IV, ao mesmo tempo que destaca desafios específicos de calibração e generalização.

Rouhollahi, A., Nezami, F. R.2026-05-11
💻 bioinformatics

Benchmarking long-read simulators against Oxford Nanopore whole-genome sequencing data

Este estudo compara seis simuladores de leituras do Oxford Nanopore com dados R10.4.1, constatando que, embora o PBSIM3 se destaque na replicação de propriedades gerais ao nível da leitura, nenhuma ferramenta captura completamente os perfis complexos de erro dos dados reais, sugerindo que a escolha ótima depende se o realismo ao nível da leitura ou estruturas de erro específicas são mais críticos para uma determinada aplicação.

Taouk, M. L., Ingle, D. J., Wick, R. R.2026-05-11
💻 bioinformatics

Nanopore event detection in a simple and adaptive way

Este artigo apresenta e valida um algoritmo simples, rápido e adaptável de detecção de eventos baseado em clusters (CBED) que supera os esquemas existentes em eficiência e redução de ruído para dados de nanoporos biológicos, ao mesmo tempo em que destaca a necessidade de correção de linha de base adaptativa para dados de nanoporos de estado sólido.

Wei, P., Kansari, M., Mierzejewski, M., Ensslen, T., Lin, C.-Y., Kavetsky, K., Jones, P. D., Behrends, J. C., Drndic, M. (…)2026-05-11