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.
Este trabalho demonstra que a engenharia cuidadosa e diversificada de alinhamentos de sequências múltiplas (MSA) e de modelos estruturais (templates) melhora significativamente a precisão das previsões do AlphaFold3 para monômeros, multímeros e complexos proteína-ligante, superando tanto a versão padrão do AlphaFold3 quanto o AlphaFold2 sob as mesmas condições de entrada.
Este estudo revela que o AlphaFold 3 depende fundamentalmente da diversidade evolutiva e do contexto comparativo em múltiplos alinhamentos de sequências, e não da profundidade ou familiaridade das sequências, para ativar seus priores estruturais e gerar previsões precisas, demonstrando que sua representação interna codifica linearmente características biofísicas e permite a manipulação causal da confiança predita.
Os autores desenvolveram uma estrutura de integração baseada em redes que utiliza a direção das mudanças de expressão proteica para superar a variabilidade entre conjuntos de dados heterogêneos, permitindo a identificação de hubs biológicos significativos, como a resposta ao doxorrubicina no câncer de mama, e a descoberta de vias enriquecidas relacionadas a lipídios e colesterol.
O SCIGMA é um novo framework de aprendizado profundo escalável e generalizável que integra até cinco modalidades de ômicas espaciais de diversas plataformas, utilizando aprendizado contrastivo consciente da incerteza e redes neurais gráficas para gerar representações conjuntas biologicamente significativas com estimativas de incerteza espacial.
O CHORD é um novo framework de integração de dados de transcriptômica de célula única entre espécies que aprende representações conjuntas de genes, células e tipos celulares, permitindo a identificação de células desconhecidas, a construção de árvores de tipos celulares conservadas e a comparação de variações fenotípicas contínuas.
O artigo apresenta o LinkD, uma plataforma unificada e escalável que integra modelagem de difusão latente, validação fenotípica em larga escala e evidências clínicas de registros eletrônicos de saúde para acelerar a descoberta de novos usos de medicamentos, demonstrando sua eficácia na identificação de associações terapêuticas como a redução do risco de câncer de próstata por betabloqueadores.
O BioEngine é uma camada de execução e adaptação que permite aos cientistas da área biológica executar, ajustar e implantar modelos de IA para imagens biológicas em diversos hardwares, utilizando agentes de IA para descrever seus objetivos.
O artigo apresenta o PEACE, um pipeline leve que utiliza embeddings de ProtTrans e treinamento contrastivo baseado em protótipos para superar o desequilíbrio de classes na identificação de efetores patogênicos, superando o EffectorP 3.0 em precisão e recall em conjuntos de dados realistas de fungos e oomicetos.
O artigo apresenta o GTStrDTI, um modelo hierárquico baseado em transformadores e atenção em grafos que integra estruturas 3D de proteínas e informações moleculares para superar os métodos existentes na previsão da afinidade de ligação entre fármacos e alvos, especialmente em cenários de início frio.
Este artigo apresenta um agente de busca de políticas automatizado que supera métodos tradicionais na priorização de candidatos a peptídeos terapêuticos, conseguindo identificar 65% dos melhores candidatos em uma lista curta de 20, demonstrando ser uma ferramenta eficaz para triagem em programas de descoberta de fármacos.