1178 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 Pycea é um kit de ferramentas Python de código aberto que introduz o formato TreeData para integrar perfeitamente dados de árvores de linhagem com medições de célula única dentro do ecossistema scverse, permitindo análise escalável, visualização e inferência estatística para o rastreamento de linhagem celular.
Este estudo emprega um pipeline de busca e predição de estrutura offline para anotar o conteúdo não caracterizado das vesículas extracelulares salivares da sanguessuga medicinal *Hirudinaria manillensis*, atribuindo com sucesso uma dobra de três dedos do tipo Ly-6/uPAR a um candidato, enquanto identifica duas proteínas estruturalmente não resolvidas e valida um modelo de gene conservado do tipo tripsina.
Esta reanálise proteômica longitudinal de pacientes com tuberculose revela que, embora o tratamento impulsione uma recuperação ampla dos sistemas proteicos inflamatórios e nutricionais-metabólicos tanto em indivíduos desnutridos quanto em indivíduos de peso normal, a desnutrição definida pelo IMC basal não altera significativamente a trajetória dessa recuperação, embora o estudo permaneça com poder estatístico insuficiente para estabelecer definitivamente a equivalência entre os grupos.
O artigo apresenta o **smoothclust**, um pacote R que fornece um fluxo de trabalho de agrupamento baseado em suavização espacial e uma nova métrica de densidade de fronteira para gerar rótulos de domínios espaciais interpretáveis e quantificar a organização da arquitetura tecidual em dados de transcriptômica espacial.
O CellMethMarker é um banco de dados abrangente e curado que integra centenas de milhares de marcadores de metilação de DNA de novo e derivados da literatura para permitir a inferência de identidade específica de célula e tecido, visualização e uma deconvolução aprimorada de metilomas.
O Neopep é um modelo de difusão condicionado à sequência que supera a escassez de dados na predição de estruturas de peptídeos não canônicos ao alavancar o aprendizado por reforço para ajustar um modelo generativo usando energia de campo de força aprendida por máquina, alcançando assim uma precisão superior aos métodos de estado da arte existentes.
O GLOM-TGITO é uma estrutura de design de proteínas multiescala que integra a predição de fluorescência global-local com a otimização guiada por paisagem de múltiplas visões para descobrir de forma eficiente variantes de proteínas de alta atividade, confiáveis e inéditas, superando os métodos existentes tanto em precisão preditiva quanto na identificação de candidatos estruturalmente estáveis.
O fluxo de trabalho NK-RCPP demonstra que a integração de pontuações de alvo-on-receptor combinadas com comparações de vizinhos estruturais refina significativamente a priorização de candidatos peptídicos para o receptor de neurocinina, produzindo uma lista curta distinta que difere das seleções baseadas apenas na atividade de alvo-on.
O artigo propõe o MPFIL, um framework de integração de características de múltiplos níveis que combina informações estruturais e sequenciais para prever eficazmente mudanças na afinidade de ligação proteína-proteína induzidas por mutações, demonstrando um desempenho competitivo em múltiplos conjuntos de dados de referência.
Este artigo apresenta o Omnibenchmark, um framework reprodutível e padronizado que unifica a avaliação de pipelines de pré-processamento de sequenciamento de RNA de célula única para abordar inconsistências em benchmarks existentes e facilitar comparações de métodos mais flexíveis e extensíveis.