1197 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 Panomap é o primeiro mapeador de espaço de sinal que utiliza grafos de variação de pangenoma para eliminar o viés de referência e melhorar a precisão do mapeamento para amostras diversas de nanoporos, mantendo um índice compacto e escalável.
Este artigo introduz um modelo de evolução de proteínas em tempo contínuo parametrizado por um modelo de Potts generativo para simular efeitos epistáticos, revelando que, embora a epistasia retarde a evolução global e cause uma subestimação sistemática das distâncias evolutivas, ela não altera as taxas médias de sítios específicos devido à heterogeneidade de taxas dependente do contexto.
Este estudo demonstra que o refinamento das bibliotecas espectrais de plasma, através da exclusão de peptídeos não representativos, aumenta significativamente a precisão, a exatidão e a eficiência computacional da relativa quantificação de proteômica de aquisição independente de dados (DIA) sem comprometer a identificação de proteínas.
O MKMC é um kit de ferramentas escalável e livre de referência que aproveita as estatísticas de k-meros para permitir uma análise de RNA-seq robusta em organismos modelo e não modelos, detectando com sucesso sinais biológicos e eventos específicos de isoformas que frequentemente escapam aos métodos tradicionais baseados em alinhamento.
Os autores apresentam o CircDiscoverer, um recurso web abrangente e amigável que integra dados curados manualmente e preditos computacionalmente para explorar interações entre circRNA e proteínas e paisagens de modificação de RNA através de múltiplas espécies, incluindo humanos, camundongos, moscas-das-frutas e plantas.
Este artigo introduz um framework interativo para o benchmarking de agentes de codificação científica utilizando tarefas de alinhamento de transcriptômica espacial, revelando que, embora um contexto ambiental mais rico aumente a exploração de ferramentas, isso pode degradar o desempenho ao induzir fluxos de trabalho frágeis e transformações desnecessárias, destacando, assim, a necessidade de avaliar os rastros dos agentes juntamente com os resultados finais.
O LeafRank é um novo framework filodinâmico que aproveita filogenias de DNA-seq de célula única e um modelo de processo de ramificação de múltiplos tipos para inferir o fitness relativo de células individuais em tumores cromossomicamente instáveis, quantificando com sucesso a heterogeneidade de crescimento e revelando que o fitness em linhagens de duplicação de genoma completo é adquirido por meio de alterações subsequentes, em vez de vantagens imediatas.
Rectangle é um framework Python robusto e escalável que aproveita a deconvolução multiescala e a modelagem explícita de conteúdo desconhecido para resolver com precisão fenótipos celulares em dados de RNA-seq bulk usando referências de célula única, permitindo, assim, o perfilamento celular de alta resolução em escalas populacionais.
Este artigo demonstra que agentes de codificação podem gerar automaticamente modelos de incorporação de célula única interpretáveis e zero-shot ao extrair e compor programas gênicos citados na literatura em eixos nomeados, alcançando qualidade biológica comparável aos métodos baseados em dados enquanto garante robustez inerente a lote e interpretabilidade sem exigir treinamento ou bancos de dados de conjuntos de genes prévios.
O EZSolver é um framework generativo livre de templates que utiliza correspondência de fluxo e busca bidirecional guiada por avaliador para prever com precisão mecanismos de reações enzimáticas polares para química fora da distribuição, superando as limitações de generalização dos modelos tradicionais baseados em regras.