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.
O artigo apresenta o spatialMET, um framework de código aberto e escalável que fornece um fluxo de trabalho de ponta a ponta para análise de metabolômica espacial — incluindo pré-processamento, detecção de domínio e testes estatísticos — ao mesmo tempo em que supera as limitações das ferramentas existentes por meio de capacidades de computação de alto desempenho e implantação reprodutível via Docker.
Este artigo apresenta um benchmark estratificado de 1.047 casos de doenças raras projetado para medir e mitigar a circularidade em avaliações de priorização de genes ao sinalizar sobreposições de anotação com a literatura de origem, juntamente com uma receita de versão fixada para construir um índice de recuperação híbrido sobre 2,25 milhões de artigos de Acesso Aberto do PMC.
Este artigo introduz o Bravais Lattice Sampling (BLS), um algoritmo de duas fases guiado por geometria que detecta eficientemente regiões conectadas de alta densidade em espaços discretizados 3D ao substituir varreduras raster exaustivas por sondagem de rede esparsa e expansão direcionada, alcançando 100% de recall com custos computacionais comparáveis ou inferiores aos métodos existentes.
Este artigo apresenta o MiraProt, uma plataforma R Shiny modular e consciente de metadados para análise proteômica interativa a jusante, e demonstra sua utilidade ao reanalisar proteomas de células de Müller de cavalos com uveíte recorrente equina para revelar uma assinatura proteica associada à resposta de interferon, ao ciclo celular e à classe II do MHC.
Os autores desenvolveram o Mural-VISTA, um fluxo de trabalho em Python semiautomático para análise 3D de interações entre células murais e vasos e métricas topo-morfológicas multiescala, o qual revelou mudanças estruturais específicas de tipo celular em pericitos e células musculares lisas vasculares impulsionadas pela atividade alterada de RhoA.
EXTRARTNAS é um framework Java baseado em Docker, reprodutível, que automatiza a extração de anotações estruturais de RNA usando múltiplas ferramentas e padroniza seus resultados heterogêneos nos formatos BPSEQ e no novo formato BPSEQE para facilitar a comparação consistente de interações canônicas e não canônicas.
O artigo apresenta o dnoise, uma ferramenta rápida e de código aberto em Rust que reduz significativamente a pegada de armazenamento dos dados nativos do Bruker timsTOF ao remover pontos redundantes enquanto preserva a precisão analítica em fluxos de trabalho DDA e DIA.
Este artigo apresenta o MetaDome 2027, um recurso abrangentemente atualizado que agrega evidências de variantes missense através de domínios proteicos humanos homólogos com suporte GRCh38, expandindo significativamente a cobertura de domínios e fornecendo evidências patogênicas críticas para reclassificar variantes de significado incerto na genética clínica.
scPyviewer é um visualizador interativo baseado na web e nativo de Python que permite que não programadores explorem conjuntos de dados de célula única AnnData diretamente sem conversão para Seurat, oferecendo paridade de recursos com as ferramentas existentes em R Shiny enquanto demonstra velocidade de renderização superior, menor uso de memória e a capacidade de lidar com conjuntos de dados de grande escala que fazem as alternativas baseadas em R falharem.
O artigo apresenta o C-PLANK, um framework de aprendizado profundo treinado em dados de quimioproteômica celular que supera modelos existentes na previsão de interações fragmento-proteína e identificou com sucesso um novo agonista de SIRT3 ao integrar embeddings físico-químicos com uma métrica de plausibilidade biológica em nível de sistemas.