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.
Os autores propõem um quadro de aprendizado por reforço para ajustar modelos de difusão de docking molecular, permitindo que eles aprendam diretamente com objetivos não diferenciáveis e gerem poses fisicamente válidas e estruturalmente precisas sem aumentar o custo computacional na inferência.
Este artigo apresenta dois métodos implementados no software MAPLE que incorporam a abundância das linhagens na inferência filogenética de máxima verossimilhança, demonstrando que priorizar linhagens comuns ("cavalos") em vez de raras ("zebras") melhora drasticamente a precisão e reduz a incerteza em cenários de genômica epidemiológica, como no caso do SARS-CoV-2.
O artigo apresenta o Amaranth, um novo montador de transcriptoma de célula única que utiliza modelagem discriminativa das propriedades distintas das leituras UMI e internas para superar as limitações dos métodos atuais e melhorar significativamente a precisão na reconstrução de isoformas completas.
O artigo apresenta o PerturbGraph, um framework baseado em redes neurais gráficas que integra dados de interação molecular e anotações biológicas para prever com alta precisão as respostas transcricionais de perturbações genéticas não observadas, superando modelos existentes na área de genômica funcional.
O artigo descreve o Nextstrain, uma plataforma automatizada que realiza análises filodinâmicas em tempo real de dados genômicos abertos para 21 vírus e a bactéria *Mycobacterium tuberculosis*, fornecendo insights atualizados diariamente para orientar intervenções de saúde pública.
O artigo apresenta o FoundedPBI, uma abordagem de aprendizado profundo em ensemble que utiliza modelos de linguagem genômica para prever interações entre fagos e bactérias a partir de sequências de DNA, superando os métodos atuais ao integrar sinais biológicos complementares e resolver o desafio de processar genomas completos que excedem as janelas de contexto dos modelos.
Este estudo utiliza modelagem estrutural avançada para demonstrar que, embora enzimas consecutivas em vias metabólicas de *E. coli* tendam a interagir fisicamente, não há evidências de que suas estruturas sejam espacialmente otimizadas para minimizar a distância entre os sítios catalíticos.
O artigo apresenta o Tripso, um modelo de aprendizado profundo auto-supervisionado que supera as limitações das representações latentes únicas ao aprender embeddings específicos de programas gênicos, permitindo a descoberta de padrões biológicos interpretáveis e a geração de hipóteses validadas experimentalmente em contextos de desenvolvimento, doença e cultura celular.
Este artigo apresenta a Distância de Assinatura (SD), uma métrica que generaliza a distância de energia ao comparar perfis de distâncias ordenadas, permitindo a detecção de mudanças de densidade e estrutura topológica em dados biológicos de alta dimensão enquanto serve como uma função de perda diferenciável para avaliação e expansão de modelos generativos.
O artigo apresenta o Chromatix, uma biblioteca de código aberto, acelerada por GPU e diferenciável, que padroniza e acelera simulações de óptica de ondas para democratizar o design e a análise de sistemas de microscopia computacional.