768 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 nVenn2, uma nova versão do algoritmo nVenn que gera diagramas de Venn quase proporcionais de forma mais rápida e simples, permitindo a visualização interpretável de grandes conjuntos de dados ao focar o tempo de computação no número de regiões não vazias em vez do número total de conjuntos.
Este artigo apresenta um benchmark comunitário que avalia 11 métodos generativos para a criação de dados sintéticos de transcriptômica, revelando que a escolha do modelo deve equilibrar os trade-offs entre utilidade preditiva, preservação biológica e riscos de privacidade, onde modelos complexos oferecem maior desempenho mas são mais vulneráveis a ataques, enquanto métodos com privacidade diferencial aumentam a segurança à custa da utilidade.
O artigo apresenta o framework computacional Kg4j, que constrói subgrafos de conhecimento localizados a partir da base FORVM para integrar dados experimentais e gerar hipóteses biológicas, demonstrando sua eficácia ao elucidar as ligações entre a exposição a poluentes orgânicos persistentes e a endometriose.
Este estudo aplica a Análise de Fatores Multi-ômicos (MOFA) a dados integrados de genômica, epigenômica e transcriptômica de gliomas para revelar perfis moleculares distintos, identificar novos biomarcadores prognósticos e elucidar relações entre metilação e expressão gênica, visando aprimorar estratégias terapêuticas personalizadas.
Este estudo demonstra que as interações físicas entre linfócitos T e macrófagos no microambiente tumoral do câncer de ovário influenciam a resposta à quimioterapia, sendo que macrófagos polarizados para o fenótipo M2 em pacientes resistentes induzem exaustão das células T, enquanto macrófagos M1 em pacientes sensíveis promovem uma interação funcional sem exaustão.
Este artigo apresenta e valida uma metodologia científica formalizada como protocolo executável para modelos de linguagem, demonstrando que suas restrições e fluxos de trabalho estruturados produzem pesquisas rigorosas, auditáveis e baseadas em evidências em diversos domínios, enquanto mitigam riscos de integridade presentes em abordagens não controladas.
O artigo apresenta o PopGenAgent, um sistema de entrega orientado a relatórios que automatiza fluxos de trabalho de genômica de populações ao combinar uma biblioteca validada de ferramentas com um modelo de linguagem econômico para orquestração e modelos mais avançados para geração de relatórios narrativos, demonstrando assim a capacidade de reduzir significativamente o esforço manual e garantir reprodutibilidade em análises complexas.
O artigo apresenta o MiGenPro, um fluxo de trabalho interoperável baseado em dados vinculados e aprendizado de máquina que integra informações genômicas e fenotípicas para prever com precisão traços microbianos, como motilidade e coloração de Gram, a partir de genomas anotados.
O MetaTree é uma plataforma web de código aberto que permite a visualização interativa e a comparação estatística de perfis quantitativos hierárquicos, como dados de microbioma, mantendo a correspondência unívoca entre nós para facilitar a geração de figuras publicáveis.
O artigo apresenta o STCS, um framework de código aberto e agnóstico à plataforma que reconstrói perfis de expressão gênica em nível celular a partir de dados de transcriptoma espacial de alta resolução, superando limitações de métodos existentes e permitindo análises biológicas mais precisas sem necessidade de anotações de referência.