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.
Este estudo utiliza uma análise transcriptômica integrativa entre conjuntos de dados para identificar genes centrais relacionados ao estresse oxidativo e à inflamação na doença de Parkinson e revela como compostos bioativos específicos de alimentos podem modular essas redes gênicas por meio de intervenções nutrigênicas.
Este artigo apresenta o **bcrnnoise**, um framework de código aberto em Python que unifica deriva determinística, flutuações gaussianas e saltos esporádicos aditivos em um único modelo de equação diferencial estocástica para gerar traços de transcrição precisos com eficiência computacional até duas ordens de grandeza superior à amostragem estocástica exata.
SaVanache é uma ferramenta de visualização multi-resolução que permite a exploração eficiente em tempo real e a comparação intuitiva um-para-muitos de gráficos complexos de variação de pan-genoma, pré-processando arquivos GFA em índices otimizados e utilizando glifos especializados para destacar variações estruturais em relação a um genoma pivô linear.
Este artigo apresenta um método estatístico de destripagem para dados VisiumHD da 10x Genomics que modela contagens de binos usando segmentação de núcleos e um modelo linear generalizado regularizado para remover efetivamente artefatos de listras multiplicativos enquanto preserva sinais biológicos de grande escala, superando abordagens de normalização existentes.
O artigo apresenta o SLiMNet, um modelo de aprendizado profundo que aproveita embeddings de modelos de linguagem grandes para proteínas e aprendizado contrastivo para prever similaridades funcionais entre motivos lineares curtos (SLiMs), permitindo assim a anotação funcional de motivos anteriormente não caracterizados e fornecendo atlas abrangentes de pares funcionais potenciais para a comunidade de pesquisa.
ProtSpace é uma aplicação web baseada em navegador que preserva a privacidade e permite a visualização interativa e a exploração sistemática dos espaços de incorporação de modelos de linguagem de proteínas, revelando relações funcionais e estruturais complexas além da similaridade de sequência tradicional, por meio da visualização integrada de estruturas 3D e anotações multietiqueta.
O artigo apresenta o MANGO, um método inovador de agrupamento de redes que corrige o viés de hubs na análise de conjuntos gênicos ao condicionar-se à distribuição de graus, permitindo assim a detecção robusta de autocorrelação espacial biologicamente significativa, sem os falsos positivos inerentes às abordagens tradicionais de super-representação ou às abordagens baseadas em redes ingênuas.
O artigo apresenta o geneSync, um pacote R que resolve inconsistências de símbolos gênicos em dados de RNA-seq de grande escala por meio de uma estratégia de correspondência hierárquica e bancos de dados offline, melhorando significativamente a integração entre conjuntos de dados e a sobreposição de características.
Este artigo demonstra que os métodos de linha de base convencionais desempenham-se tão bem quanto, ou melhor do que, os modelos de linguagem de proteínas na previsão dos efeitos de variantes proteicas densas em mutações, sugerindo que os pLMs requerem integração com priores biofísicos ou estruturais para avançar efetivamente o design de proteínas.
PhenotypeToGeneDownloaderR é um pipeline leve e reprodutível em R/Python que automatiza a recuperação, harmonização e validação de genes associados a fenótipos a partir de múltiplos bancos de dados biológicos heterogêneos, alcançando alta sensibilidade e demonstrando a complementaridade das fontes de evidência integradas para análises genéticas subsequentes.