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.
Os autores desenvolveram uma ferramenta de segmentação automatizada baseada em UNet e de código aberto chamada 'OCTOPUS', que alcança alta precisidade na detecção de displasia retiniana em exames de OCT de camundongos, otimizando assim a triagem pré-clínica e padronizando as avaliações entre laboratórios.
Este artigo propõe um método de ensemble livre de treinamento que combina o ProteinMPNN com o modelo de linguagem específico para anticorpos IgLM para melhorar significativamente a recuperação de aminoácidos e a diversidade de sequências no dobramento inverso de anticorpos, preenchendo efetivamente a lacuna entre modelos estruturais gerais e o design especializado de anticorpos.
Este estudo integra o sequenciamento de RNA e ATAC de célula única através de graus de carcinoma de células renais de células claras (ccRCC) para revelar que as mudanças epigenéticas precedem as mudanças metabólicas e invasivas, enquanto define uma assinatura prognóstica CBG robusta e mapeia a evolução dinâmica da exaustão imune e das redes de comunicação intercelular.
O artigo apresenta o Handshake, um modelo de aprendizado profundo apenas de sequência que utiliza o ProstT5 e atenção entre cadeias para prever com precisão locais de ligação proteína-proteína específicos de parceiros em escala, ao mesmo tempo em que revela que a alta redundância de sequências nos dados de treinamento infla significamente as métricas de desempenho em benchmarks existentes.
Este estudo identifica uma alça de superfície divergente que forma o "Pocket2" como uma fonte fundamental de variação estrutural e funcional em legumaínas de tubarão, contrastando com seus núcleos catalíticos, de outra forma altamente conservados, e sugerindo esta região como um alvo para investigações futuras sobre a adaptação de proteases específicas de espécies.
O artigo apresenta o CryoDiff, um modelo de difusão consciente da incerteza que supera os métodos existentes ao aprimorar mapas de criomicroscopia eletrônica (cryo-EM) por meio da melhoria conjunta da resolução estrutural e do fornecimento de estimativas de confiança por voxel, aumentando significativamente a interpretabilidade do mapa e a construção de modelos subsequentes.
O artigo apresenta o cellpin, um autoencoder variacional escalável treinado exclusivamente em dados de sequenciamento de RNA de célula única que utiliza destilação latente professor-aluno e simulação de ruído para imputar efetivamente genes não medidos e remover o ruído de perfis de transcriptoma espacial sem exigir o alinhamento entre modalidades.
O OmniGene-4 introduz um modelo de fundação de Mistura-de-Especialistas unificado e interpretável pelo roteador que demonstra como o pré-treinamento contínuo impulsiona a especialização entre tarefas enquanto a computação de especialistas lida com o raciocínio biológico fundamentado em sequências, alcançando desempenho de estado da arte em homologia de proteínas e conhecimento biológico geral com custos de computação significativamente reduzidos, mesmo quando estendido para entradas multimodais.
O artigo apresenta o UnBlender, um pipeline projetado para permitir que cientistas respiratórios realizem a desconvolução de tipos celulares customizável em dados de RNA-seq de bulk, enquanto validam rotineiramente a precisão das proporções estimadas de tipos celulares para garantir conclusões reproduzíveis e confiáveis.
Este artigo apresenta um framework de aprendizado de máquina interpretável que combina redução de dimensionalidade com um modelo de floresta aleatória de múltiplas saídas para inferir com precisão a identidade da raça e a ancestralidade de cães a partir de dados de SNP de genoma completo, alcançando 91,7% de acurácia no conjunto de dados do Dog Aging Project ao identificar loci genéticos biologicamente relevantes associados a características específicas de cada raça.