1238 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 mRNA-GPT, um modelo generativo pré-treinado com 30 milhões de sequências naturais que utiliza aprendizado por reforço para otimizar end-to-end sequências completas de mRNA, integrando regiões UTR e CDS para superar métodos existentes na criação de designs terapêuticos com maior estabilidade e eficiência de tradução.
Este estudo demonstra que modelos de aprendizado de máquina clássicos e híbridos, baseados em características TF-IDF de k-mers, superam abordagens de aprendizado profundo na classificação de variantes do SARS-CoV-2 em cenários de dados genômicos desbalanceados, oferecendo uma solução robusta e interpretável para a detecção de variantes raras.
Este estudo demonstra que, embora as estimativas de herdabilidade baseada em SNPs variem significativamente dependendo da configuração metodológica utilizada, essa variabilidade upstream tem um impacto mínimo e não significativo no desempenho final das pontuações de risco poligênico (PRS).
O artigo apresenta o SEGUID v2, uma extensão do sistema original de checksums que gera identificadores únicos e invariantes à orientação e rotação para sequências biológicas circulares, lineares, de fita simples e dupla, além de adotar a codificação Base64url para facilitar o uso em nomes de arquivos e URLs.
Os autores desenvolveram um novo modelo matemático que integra dados de bioensaios de dose de intensidade para quantificar a heterogeneidade da resistência a inseticidas em populações de mosquitos na África, permitindo prever com maior precisão a eficácia das redes mosquiteiras e o impacto na saúde pública.
O artigo propõe um método de agrupamento hierárquico espectral divisivo, baseado em cortes normalizados e validado por consistência em subamostras, para identificar agrupamentos estáveis e reproduzíveis em dados de RNA-seq de célula única.
Este trabalho apresenta um método de aprendizado profundo baseado em redes neurais convolucionais (CNN) que, utilizando sequências do genoma humano GRCh38 e vetores TF-IDF, alcança desempenho de ponta na identificação precisa de genes e pseudogenes associados a distúrbios genéticos.
Este estudo desenvolveu um pipeline de previsão de alto rendimento, otimizando o AlphaFold3 com o MMSeqs2, para mapear redes de interações proteicas em clusters de genes biossintéticos, revelando complexos enzimáticos funcionais e mecanismos moleculares ocultos que não eram detectáveis por ferramentas bioinformáticas convencionais.
Este artigo apresenta uma nova métrica baseada em operações de edição para comparar redes de transferência gênica lateral (LGT), demonstrando que seu cálculo é linear quando a ordem das transferências é irrestrita e NP-difícil caso contrário, oferecendo um algoritmo FPT e validando a abordagem em experimentos numéricos.
Este estudo avalia rigorosamente sete metodologias de ponta para a remoção de RNA ambiental em dados de sequenciamento de RNA de células e núcleos únicos, concluindo que, embora não exista um método superior universal, o CellBender, o DecontX e o SoupX apresentam desempenho geralmente robusto.