1012 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 OMIO é uma biblioteca Python leve e de código aberto que garante a reprodutibilidade da análise de imagens de microscopia ao separar a leitura de arquivos de baixo nível de uma camada centralizada e orientada por políticas que impõe convenções de eixos canônicos e uma normalização robusta de metadados através de formatos de arquivos heterogêneos.
O artigo propõe e valida um método de normalização único chamado PFlogPF, que combina o ajuste proporcional aditivo e multiplicativo com uma transformação logarítmica para estabilizar efetivamente a variância, considerar a profundidade de sequenciamento e preservar a monotonicidade da abundância de características em dados de genômica de célula única.
O artigo apresenta o BootDA, um método de bootstrap não paramétrico que corrige simultaneamente quatro das principais fontes de viés em dados de microbioma sem depender de transformações ou pseudocontagens, alcançando assim sensibilidade e especificidade superiores na identificação de abundância diferencial verdadeira e no refinamento da assinatura microbiana da doença arterial coronariana.
Este estudo utiliza a pseudoperplexidade para demonstrar que o modelo de linguagem de proteínas ProtT5 exibe uma memorização detectável, porém limitada, de seus dados de treinamento, sugerindo que ele generaliza primordialmente a gramática estatística das proteínas em vez de apenas realizar a aprendizagem mecânica de sequências.
Este estudo apresenta o ECMME, um atlas web abrangente que analisa as pressões de seleção por resíduo em 272 proteínas da matriz extracelular humana utilizando 228 espécies de mamíferos, revelando uma seleção purificadora onipresente juntamente com padrões distintos de seleção positiva episódica em colágenos para fornecer um recurso de acesso aberto para investigar a dinâmica evolutiva da ECM.
Os autores apresentam o FLAG-X, um pacote Python que preenche a lacuna entre a análise de citometria de fluxo manual e automatizada ao integrar métodos de aprendizado de máquina de última geração com anotações de especialistas em fluxos de trabalho híbridos, abordando, assim, a falta de padronização e eficiência na rotina clínica de gating.
O artigo apresenta o cryoPARES, um método de aprendizado profundo supervisionado que acelera o alinhamento de imagens de criomicroscopia eletrônica (Cryo-EM) e permite a determinação estrutural automatizada e em tempo real para a descoberta de fármacos, ao aproveitar informações prévias de pose e eliminar a intervenção manual.
Este estudo aborda os desafios de reprodutibilidade da Amplificação Isotérmica Mediada por Loop (LAMP) colorimétrica através do desenvolvimento de um modelo de classificação de aprendizado de máquina que utiliza características termodinâmicas e de sequência, particularmente dos primers F1c e B1c, para prever o sucesso do ensaio e melhorar a fidelidade do design de primers.
Este estudo demonstra que a tecnologia de calibração intra-lâmina, quando combinada com análise computacional, melhora significativamente a harmonização e a reprodutibilidade de ensaios imuno-histoquímicos de p53 entre diferentes laboratórios de patologia anatômica, apoiando, assim, uma tomada de decisão diagnóstica mais objetiva em neuro-oncologia.
O DDI_single é um novo algoritmo baseado em sequência única que aproveita o modelo de linguagem de proteína ESM-1b e um módulo de atenção cruzada com portão para prever com precisão as interações entre resíduos de domínios, alcançando assim uma precisão superior na montagem de estruturas de proteínas multidomínio em comparação com métodos existentes como o trRosettaX_single.