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.
Os autores propõem e validam um novo método estatístico baseado em modelos filogenéticos para detectar sítios proteicos associados a traços contínuos, demonstrando sua maior precisão em simulações e questionando, ao aplicá-lo a dados de mamíferos, a evidência de ligações entre a longevidade e certas famílias de proteínas.
Este estudo utiliza uma abordagem de aprendizado de máquina interpretável integrada a dados multi-ômicos de 198 acessos de soja para revelar que a interação entre o derivado de isoflavona daidzina e a bactéria *Candidatus Nitrosocosmicus* é fundamental para a adaptação das plantas ao estresse hídrico.
O artigo apresenta o Cenote-Taker 3, uma ferramenta de linha de comando de código aberto que supera a maioria das ferramentas existentes em velocidade e precisão para a descoberta e anotação de genomas virais e seus genes em dados de sequenciamento e metagenômicos.
O artigo apresenta o PATTY, um método computacional que utiliza dados de ATAC-seq e aprendizado de máquina para corrigir o viés de cromatina aberta em dados de CUT&Tag, melhorando a precisão na detecção de modificações de histonas e a análise de células únicas.
O artigo apresenta o PRISM-G, um método de pontuação de privacidade interpretável e agnóstico a modelos que avalia os riscos em dados genômicos sintéticos analisando três componentes complementares (proximidade, parentesco e traços) para gerar uma pontuação unificada de 0 a 100, demonstrando que uma única métrica de similaridade é insuficiente para capturar as diversas vulnerabilidades de privacidade em diferentes modelos de geração de dados.
Este estudo utiliza simulações de dinâmica molecular para revelar como as redes de interações eletrostáticas, juntamente com a coordenação de íons e lipídios específicos, estabilizam a estrutura do CFTR e modulam sua função, incluindo os mecanismos de ação do fármaco ivacaftor e a descoberta de novos portais de saída para ânions.
O HEDeST é uma abordagem de aprendizado supervisionado fraco que integra características morfológicas de histologia com proporções de desconvolução de transcriptômica espacial para atribuir tipos celulares em resolução de célula única, superando métodos existentes e permitindo a análise de microambientes biológicos significativos em dados de câncer.
Este estudo apresenta o DVPNet, um novo framework de perfilamento genético interpretável baseado em IA explicável que combina o Nucleotide Transformer e circuitos probabilísticos para quantificar a importância dos genes na distinção entre células cancerígenas e normais, revelando insights biológicos que vão além das estatísticas tradicionais.
O artigo apresenta o ADAMIXTURE, um novo framework de otimização que combina o algoritmo EM com o estimador de momentos adaptativos (Adam) para realizar agrupamento genético em escala de biobancos com alta precisão e uma aceleração de duas ordens de magnitude em relação aos métodos atuais.
Este estudo apresenta a ferramenta varTFBridge, que integra a técnica de footprinting FOODIE com o modelo AlphaGenome para mapear em escala genômica variantes não codificantes, tanto comuns quanto raras, que alteram a ligação de fatores de transcrição e reconfiguram redes regulatórias gênicas associadas a traços eritroides.