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 MOAflow, uma reengenharia do pipeline de análise de dados MOA-seq utilizando Nextflow e contêineres, que garante maior portabilidade, reprodutibilidade e eficiência computacional em comparação com a versão original.
Este estudo utiliza previsões de estrutura de proteínas por IA para demonstrar que a cavidade de ligação de ligantes hidrofóbicos no domínio LRR do TLR2 é uma característica conservada em vertebrados gnastostomados, originou-se em vertebrados basais com perdas específicas em linhagens, e que cavidades semelhantes em receptores de invertebrados surgiram independentemente por evolução convergente, indicando que a ligação de pequenos ligantes em domínios LRR evoluiu múltiplas vezes.
O CLOP-DiT é um pipeline computacional inovador que utiliza pré-treinamento contrastivo e transformadores de difusão para gerar perfis de expressão gênica de células únicas realistas e condicionados a descrições biológicas estruturadas, demonstrando a viabilidade de simulação controlada de estados celulares, embora ainda enfrente desafios na reprodução completa da variabilidade celular entre diferentes conjuntos de dados.
Este estudo utilizou métodos computacionais para projetar e avaliar um peptídeo sintético mimético do GluN1, demonstrando sua capacidade predita de se ligar e neutralizar autoanticorpos patogênicos no encefalite anti-NMDAR, estabelecendo assim uma estrutura escalável para o desenvolvimento de terapias baseadas em peptídeos-decoy.
O artigo apresenta o Cellector, uma ferramenta computacional capaz de identificar com alta precisão células de genótipo estrangeiro em dados de scRNAseq, permitindo a detecção de doenças residuais mensuráveis em pacientes com leucemia e o estudo de microquimerismo em níveis extremamente baixos.
O artigo apresenta o MAAMOUL, uma ferramenta computacional baseada em redes metabólicas que integra dados metagenômicos e metabolômicos para identificar módulos microbianos funcionais específicos de doenças, como IBD e IBS, superando as limitações das análises de vias pré-definidas e revelando alterações metabólicas coerentes que métodos convencionais não detectam.
O artigo apresenta o DualLoc, uma nova ferramenta de aprendizado profundo que utiliza o ajuste fino de parâmetros completos em uma arquitetura de transformadores duplos em cascata para prever com alta precisão a localização subcelular de proteínas em múltiplos compartimentos, superando os métodos atuais e revelando padrões biológicos relevantes sobre a coordenação celular.
Este estudo introduz a métrica "mean evidence strength" (MES), um novo quadro quantitativo baseado em calibração bayesiana que avalia a força da evidência clínica de preditores computacionais e ensaios multiplexados de efeito de variantes, demonstrando que essa abordagem revela discrepâncias importantes em relação às métricas tradicionais de discriminação e permite identificar ferramentas que oferecem maior valor para a classificação de variantes de significado incerto.
O artigo apresenta o ALPINE, um pipeline escalável e reproduzível baseado em Python e Docker que utiliza sequenciamento de amplicons de leitura longa para classificar e quantificar com precisão uma ampla gama de resultados de edição gênica, incluindo integrações complexas de vetores e variantes estruturais, preenchendo lacunas críticas nas ferramentas existentes para o desenvolvimento de terapias gênicas.
Este estudo criou um atlas transcriptômico de 3.713 amostras de sepse para identificar quatro subtipos moleculares distintos e propor terapias de reposicionamento de drogas específicas para cada um, oferecendo insights cruciais para a medicina de precisão e explicando o fracasso de ensaios clínicos anteriores.