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.
elab2ARC é um espaço de trabalho baseado no navegador e no lado do cliente que automatiza a conversão de registros de caderno de laboratório eletrônico eLabFTW em texto livre em Contextos de Pesquisa Anotados (ARCs) compatíveis com FAIR e com controle de versão, para compartilhamento e arquivamento contínuos sem interromper os fluxos de trabalho diários do laboratório.
Este artigo apresenta um conjunto de dados abrangente de perfis de metabarcoding do ITS2 e de RNA-seq de 200 e 48 genótipos de *Pinus sylvestris*, respectivamente, para investigar como o genótipo do hospedeiro influencia as comunidades fúngicas foliares e a suscetibilidade a doenças no contexto da queima das agulhas por Dothistroma.
O framework Paipu supera barreiras genômicas e de anotação para permitir a criação de um atlas de transcriptômica de câncer pan-mamífero em grande escala e harmonizado, otimizando a recuperação e o processamento de dados de RNA-seq do NCBI SRA em diversas espécies.
O artigo apresenta o mantis-delta, uma biblioteca Python de código aberto que integra a análise estrutural da Teoria de Redes de Reações Químicas (CRNT) com a geração simbólica de EDOs e solucionadores numéricos híbridos para caracterizar rigorosamente estados estacionários, estabilidade e bifurcações em sistemas de ação de massa sem depender exclusivamente de simulação.
Este estudo propõe um framework de duas etapas que combina características de frequência de aminoácidos com representações latentes aprendidas por um autoencoder de rede neural convolucional 1D, demonstrando que um classificador de floresta aleatória treinado nesse conjunto híbrido de características melhora significativamente a precisão da previsão de interações proteína-proteína em comparação com o uso exclusivo de características de frequência.
Este estudo emprega um pipeline computacional de genoma inteiro para prever miRNAs codificados pelo vírus influenza A (H3N2) e seus genes-alvo, revelando uma rede de genes hospedeiros envolvidos na imunidade inata pulmonar e antiviral que pode esclarecer a patogênese viral e sugerir alvos terapêuticos.
KaryoScope é uma ferramenta rápida e sem alinhamento que permite anotação em resolução de bases de diversas características genômicas em todo o conjunto de pangenomas em minutos, caracterizando efetivamente regiões variáveis anteriormente inacessíveis, como centrômeros e subtelômeros, para apoiar análises comparativas e clínicas.
Este estudo analisa dados do microbioma urinário para demonstrar que *Lactobacillus crispatus* está significativamente enriquecido em indivíduos saudáveis em comparação com pacientes com ITU, identificando-o como um candidato promissor de probiótico para prevenir e tratar infecções do trato urinário.
Este estudo emprega autoencoders esparsos e análise baseada em grafos para revelar que o modelo de linguagem genômica Nucleotide Transformer v2 codifica sintaxe sequencial granular e restrições biofísicas locais, em vez de lógica regulatória complexa, o que explica seu forte desempenho em tarefas moleculares específicas, mas capacidades mais fracas na inferência regulatória mais ampla.
Este artigo apresenta o TAMIPAMI, um quadro experimental e computacional simplificado que facilita a identificação de PAM/TAM para sistemas CRISPR e OMEGA, exigindo apenas uma única biblioteca de controle, utilizando um algoritmo inovador para definir motivos degenerados mínimos e oferecendo ferramentas acessíveis via web e linha de comando para caracterização rápida.