766 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 EnzyGen2, um modelo de fundação de proteínas de 730 milhões de parâmetros que co-projeta sequências e estruturas de enzimas *de novo* guiadas por ligantes, superando métodos existentes em benchmarks computacionais e demonstrando atividade catalítica experimentalmente validada com alta novidade sequencial.
O artigo apresenta o Flipper, um novo framework robusto baseado no DESeq2 que supera as limitações das ferramentas atuais ao permitir uma análise estatística rigorosa e específica de mudanças no ligação de proteínas de ligação a RNA (RBP) em dados eCLIP, integrando controles de entrada e estratégias de normalização hierárquica para distinguir alterações reais de ligação de efeitos de expressão gênica.
O artigo apresenta o pacote R WayFindR, que converte dados de vias biológicas do WikiPathways e KEGG em estruturas de grafos para análise computacional, revelando que os loops de feedback negativos são subrepresentados nessas bases de dados devido a desafios biológicos e técnicos, e destacando a necessidade de melhorias na curadoria e anotação para compreender a dinâmica regulatória celular.
O artigo apresenta o MoCoO, um framework modular que integra VAE, Equações Diferenciais Ordinárias Neurais e Contraste de Momento, aprimorado por um refinamento de Flow Matching, para inferir trajetórias de diferenciação celular e aprender representações de scRNA-seq com superior precisão geométrica e de qualidade de embedding em comparação a configurações base.
Este estudo demonstra que a composição de tipos celulares, analisada por meio de representações composicionais simples e interpretáveis, é o principal fator que impulsiona a estratificação de pacientes em coortes de RNA-seq de célula única, superando métodos mais complexos e fornecendo a base para a ferramenta de código aberto scECODA.
Este estudo avalia o uso de modelos de linguagem de proteínas para gerar bancos de dados de iscas em proteômica, concluindo que, embora ofereçam vantagens em testes de diagnóstico e estresse, eles ainda não superam os métodos clássicos de reversão para identificação de peptídeos em fluxos de trabalho padrão.
Este estudo apresenta um repositório pan-metabolômico abrangente que mapeia a diversidade química dos carnitinas por meio da mineração de dados de LC-MS/MS, gerando uma biblioteca de espectros MS/MS que permite a identificação de compostos desconhecidos e a exploração de seu papel na metabolização, dieta, atividade microbiana e desregulação metabólica.
O artigo apresenta o Carafe2, uma ferramenta de aprendizado profundo que gera bibliotecas espectrais *in silico* de alta qualidade e específicas para experimentos de aquisição independente de dados (DIA) no timsTOF, superando modelos pré-treinados em DDA ao prever com precisão tempos de retenção, intensidade de íons fragmentos e mobilidade iônica diretamente a partir de dados nativos.
O artigo apresenta o Parallel-REM, um pipeline Python paralelo e escalável que supera os gargalos computacionais dos modelos de efeitos aleatórios na inferência de redes de microbioma, reduzindo o tempo de processamento de dias para minutos em grandes conjuntos de dados clínicos enquanto mantém uma concordância direcional superior a 99,9% com a implementação original em R.
O artigo apresenta o BCAR, um mapeador rápido e geral de sequências de códigos de barras projetado especificamente para corrigir erros de sequenciamento e gerar mapas de alta precisão, superando os métodos existentes ao utilizar integralmente as pontuações de qualidade durante o alinhamento e a geração de consenso.