1243 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 artigo apresenta o framework OPTIMIS, que combina algoritmos estocásticos e equações diferenciais em um modelo substituto de ODE neural para permitir que agentes de aprendizado por reforço otimizem terapias personalizadas, ajustando dinamicamente as doses de medicamentos com base em sinais celulares microscópicos e alcançando taxas de controle superiores a 70% em sistemas biológicos complexos.
O artigo apresenta o Allos, um toolkit Python de código aberto baseado no modelo de dados AnnData que integra a análise, visualização e interpretação de dados de transcriptômica de isoformas em nível celular único e espacial, superando as limitações das ferramentas atuais ao suportar fluxos de trabalho unificados para dados de sequenciamento de leitura longa e curta.
Este estudo utiliza modelagem estrutural avançada para demonstrar que, embora enzimas consecutivas em vias metabólicas de *E. coli* tendam a interagir fisicamente, não há evidências de que suas estruturas sejam espacialmente otimizadas para minimizar a distância entre os sítios catalíticos.
O artigo apresenta o Tripso, um modelo de aprendizado profundo auto-supervisionado que supera as limitações das representações latentes únicas ao aprender embeddings específicos de programas gênicos, permitindo a descoberta de padrões biológicos interpretáveis e a geração de hipóteses validadas experimentalmente em contextos de desenvolvimento, doença e cultura celular.
Este estudo demonstra que o uso de aprendizado por reforço para pós-treinar modelos de linguagem de DNA induz uma realismo biológico emergente, permitindo a geração de plasmídeos com alta taxa de sucesso e propriedades naturais não explicitamente otimizadas, como estabilidade termodinâmica e padrões de uso de códons.
O artigo apresenta o SpaMosaic, uma ferramenta escalável baseada em aprendizado contrastivo e redes neurais gráficas que integra dados multi-ômicos espaciais heterogêneos para identificar domínios espaciais coesos, corrigir efeitos de lote e imputar modalidades ausentes, permitindo a construção de atlas biológicos abrangentes.
Este artigo apresenta a Distância de Assinatura (SD), uma métrica que generaliza a distância de energia ao comparar perfis de distâncias ordenadas, permitindo a detecção de mudanças de densidade e estrutura topológica em dados biológicos de alta dimensão enquanto serve como uma função de perda diferenciável para avaliação e expansão de modelos generativos.
Este artigo apresenta a "translocação de aptidão", uma estratégia de aumento de dados que utiliza informações de aptidão de proteínas homólogas e embeddings de modelos de linguagem para melhorar a precisão na previsão de efeitos de variantes proteicas, especialmente em cenários com dados de treinamento limitados.
O artigo apresenta o Chromatix, uma biblioteca de código aberto, acelerada por GPU e diferenciável, que padroniza e acelera simulações de óptica de ondas para democratizar o design e a análise de sistemas de microscopia computacional.
O artigo apresenta o cellSight, um fluxo de trabalho automatizado e amigável para análise de RNA de célula única que otimiza o processamento de dados, melhora a reprodutibilidade e acelera descobertas biológicas e clínicas.