1180 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 OmniRE-seq é um framework de método duplo que integra o RE-seq em massa e o scRE-seq de célula única para fornecer um kit de ferramentas padronizado e de multirresolução para quantificar, analisar e anotar a dinâmica de edição de RNA através de diversos contextos de doenças e intervenções terapêuticas.
O CDSeq2 é uma estrutura Bayesiana que integra a deconvolução informada por referência com a priorização guiada pela recuperabilidade para estimar com precisão a expressão de tipos celulares em nível individual a partir de dados de RNA-seq bulk, aumentando, assim, a precisão de análises subsequentes, como o mapeamento de eQTL específico de tipo celular.
O Varformer é um novo modelo de transformer multimodal que aproveita o aprendizado positivo-não rotulado e a atenção cross-modal para integrar características de nível de variante e de gene, alcançando o estado da arte no desempenho ao priorizar tanto alvos de fármacos quanto variantes patogênicas através de diversos grupos de ancestralidade genética.
Este estudo demonstra que a integração de dados de expressão gênica com características de receptores de células B engenheiradas, em vez de embeddings de modelos de linguagem, captura efetivamente informações biológicas complementares ao mesmo tempo em que preserva as relações de tipos celulares e revela uma subestrutura robusta de células B.
Este artigo demonstra como a IA de uso geral pode estender a biologia experimental ao gerar e investigar hipóteses testáveis a partir de conjuntos de dados moleculares públicos, ao mesmo tempo em que destaca a distinção crítica entre identificar padrões de dados reprodutíveis e estabelecer efeitos experimentais ou terapêuticos confirmados.
Pose é uma biblioteca Python leve e puramente baseada em NumPy que fornece um framework unificado e consciente de quiralidade para construir e manipular estruturas de proteínas, ácidos nucleicos e pequenas moléculas, implementando com precisão múltiplos campos de força e funções de pontuação com desempenho comparável a ferramentas estabelecidas como OpenMM, PyRosetta e AutoDock Vina.
Este estudo utiliza as águas costeiras do Mar Arábico em Mumbai como um modelo para demonstrar como a urbanização rápida impulsiona o acúmulo de diversos genes de resistência antimicrobiana mediados por plasmídeos, incluindo a nova resistência à mupirocina mediada por plasmídeo, criando um reservatório significativo para a disseminação global da RAM.
Ao analisar 18 anos de dados do Programa de Teste de Intervenções do Instituto Nacional sobre o Envelhecimento, este estudo estabelece uma estrutura padronizada de intervalo de predição para distinguir a variação natural da longevidade de anomalias experimentais, revelando que contabilizar tal variabilidade pode alterar a significância estatística dos resultados das intervenções.
Este artigo apresenta o ESM3-PPISites, um modelo de aprendizagem profunda multimodal que utiliza a arquitetura ESM3 para identificar com precisão interfaces de interação proteína-proteína ao integrar contextos evolutivos e geométricos 3D, superando assim os métodos existentes e aumentando significativamente a eficiência e a precisão das simulações de ancoragem molecular subsequentes.
O LoCoFlow é um novo framework de correspondência de fluxo que aprimora a inferência de destino de célula única e a reconstrução de trajetórias ao integrar a geometria de nuvem de pontos local com a incerteza de destino condicional, superando assim os métodos existentes em precisão de transporte e previsão de resposta a perturbações.