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 EGGS, uma ferramenta em C que generaliza genótipos empíricos com dados ausentes replicando sua distribuição em outros replicados e oferece diversas funcionalidades para manipulação, simulação e conversão de formatos de dados genéticos.
O artigo apresenta o CycleGRN, um novo framework que infere redes de regulação gênica a partir de dados de RNA-seq de célula única ao modelar processos oscilatórios como um sistema dinâmico estocástico, permitindo a recuperação precisa de interações regulatórias direcionais e cíclicas sem a necessidade de dados temporais ou de splicing.
O artigo apresenta o MOSAIC, uma estrutura espectral inovadora que integra dados multi-ômicos de células únicas em escala populacional para gerar embeddings conjuntos de características e amostras, permitindo a descoberta de subtipos de pacientes, a análise de reconfiguração de redes regulatórias e a previsão de desfechos clínicos.
O artigo apresenta o MAP, um framework baseado em conhecimento que integra um grande grafo de conhecimento biológico e estratégias de pré-treinamento para prever com precisão as respostas de células a drogas não perfiladas, superando os modelos existentes em cenários de generalização zero-shot.
O artigo apresenta o SpaMOAL, um método baseado em aprendizado contrastivo em grafos que integra dados multi-ômicos espaciais, coordenadas e imagens histológicas para identificar com precisão domínios teciduais, superando abordagens existentes em diversos conjuntos de dados.
Este estudo apresenta um framework de mapeamento de destino baseado em transporte ótimo que, aplicado a dados de RNA de célula única de linfócitos T CD8 em camundongos, reconstrói com precisão suas trajetórias de diferenciação e migração entre tecidos, revelando ondas temporais distintas de entrada no intestino delgado e identificando o fator de transcrição AP4 como um regulador chave da especificação entre células circulantes e residentes nos tecidos.
O artigo apresenta o *keju*, um modelo estatístico hierárquico que melhora significativamente a sensibilidade e o controle de falsos positivos na inferência de dados de Ensaios Reporatórios Massivamente Paralelos (MPRAs) ao modelar adequadamente as incertezas específicas entre contagens de DNA e RNA e entre lotes experimentais.
Este estudo avalia e compara abordagens de triagem de recursos baseadas no princípio de "sure screening" em dados ômicos de alta dimensão, identificando o método BcorSIS como a opção mais eficaz e computacionalmente eficiente para a seleção de biomoléculas preditivas em contextos de classificação.
O artigo apresenta o GeCCo, um novo método que resolve a inconsistência hierárquica nas análises de transcriptômica de célula única ao construir identidades celulares baseadas em programas gênicos hierárquicos derivados de lógica regulatória booleana, permitindo uma classificação celular mais robusta e biologicamente coerente.
Os autores propõem o bionSBM, um método de modelagem de tópicos baseado em grafos que integra dados multi-ômicos de célula única para obter agrupamentos superiores e biologicamente interpretáveis em comparação com métodos existentes.