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.
Este estudo apresenta o PredHLM, um modelo de aprendizado de máquina baseado em XGBoost, quantitativo e interpretável, treinado em quase 12.000 compostos que prevê com precisão a meia-vida metabólica em microsomas de fígado humano e identifica os principais fatores químicos para apoiar a tomada de decisão rápida na fase inicial da descoberta de fármacos.
O artigo apresenta o stGP, uma estrutura estatística que decompõe dados transcriptômicos espaço-temporais em componentes temporais e espaciais para identificar programas gênicos interpretáveis e específicos de tipos celulares, revelando, assim, como arquiteturas teciduais dinâmicas e respostas celulares localizadas evoluem através do tempo e de nichos anatômicos.
O artigo apresenta o DL4DR, um modelo de aprendizado profundo de fusão tardia residual de duas torres que prevê respostas a fármacos em todo o espectro do câncer de mama ao codificar linhagens celulares como imagens genômicas e combinar representações moleculares, alcançando assim uma generalização superior para linhagens celulares e tipos de câncer não vistos, enquanto identifica novos drivers genômicos sem depender das identidades das linhagens celulares.
O artigo introduz o hmSEKRE, um modelo oculto de Markov baseado em k-mers que varre transcriptomas para identificar similaridades de sequência não lineares em nível de domínio em RNAs longos não codificantes, permitindo assim a descoberta de domínios de RNA funcionalmente relacionados e suas redes de interação proteica associadas sem exigir conhecimento prévio de alinhamento de sequências.
O artigo apresenta o AllTheBacteria, um recurso comunitário abrangente que processa uniformemente quase 2,5 milhões de genomas bacterianos públicos para permitir a pesquisa biológica em larga escala e demonstra com sucesso sua utilidade ao descobrir e validar novos antibióticos peptídicos por meio de mineração impulsionada por IA.
O artigo apresenta o PHI, um fluxo de trabalho baseado no Galaxy, amigável e automatizado, que otimiza a identificação reprodutível de profagos, a predição de interação com o hospedeiro e a caracterização funcional, ao mesmo tempo em que gera relatórios padronizados para reduzir as barreiras tanto para especialistas quanto para não especialistas na pesquisa de genômica viral.
Este artigo apresenta o BGC-MLM, um modelo de fundação pré-treinado em sequências não rotuladas de clusters de genes biossintéticos que melhora significativamente a previsão de propriedades de produtos naturais, bioatividade e similaridade estrutural, aumentando assim a eficiência da mineração genômica para novos produtos naturais.
A atualização de 2026 do Scop3P apresenta uma expansão significativa desta base de conhecimento informada por proteômica ao integrar 152.350 sítios de fosforilação humana uniformemente reprocessados com anotações estruturais, biofísicas, evolutivas e mutacionais abrangentes para fornecer um recurso escalável e consciente da proveniência para interpretar a fosforilação em contextos funcionais e de doenças.
Este estudo avalia o desempenho do AlphaFold2, AlphaFold3 e protocolos de amostragem aprimorada na modelagem do reconhecimento de antígenos por anticorpos e TCR, demonstrando que, embora o aumento da amostragem e o AlphaFold3 geralmente melhorem a precisão, o sucesso varia significamente entre os diferentes tipos de complexos e pode ser ainda mais impulsionado pelo agrupamento de modelos complementares.
Este artigo define e analisa o problema NP-completo de selecionar blocos genômicos de múltiplos genomas de origem para otimizar características poligênicas, propondo um conjunto de algoritmos — incluindo um resolvedor Branch-and-Bound certificado, uma heurística rápida de Descida de Coordenadas de Blocos e uma relaxação de programação semidefinida — que coletivamente fornecem soluções ótimas ou quase ótimas com garantias teóricas e validação empírica em simulações de escala de levedura.