1012 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.
EXTRARTNAS é um framework Java baseado em Docker, reprodutível, que automatiza a extração de anotações estruturais de RNA usando múltiplas ferramentas e padroniza seus resultados heterogêneos nos formatos BPSEQ e no novo formato BPSEQE para facilitar a comparação consistente de interações canônicas e não canônicas.
O artigo apresenta o dnoise, uma ferramenta rápida e de código aberto em Rust que reduz significativamente a pegada de armazenamento dos dados nativos do Bruker timsTOF ao remover pontos redundantes enquanto preserva a precisão analítica em fluxos de trabalho DDA e DIA.
Este artigo apresenta o MetaDome 2027, um recurso abrangentemente atualizado que agrega evidências de variantes missense através de domínios proteicos humanos homólogos com suporte GRCh38, expandindo significativamente a cobertura de domínios e fornecendo evidências patogênicas críticas para reclassificar variantes de significado incerto na genética clínica.
scPyviewer é um visualizador interativo baseado na web e nativo de Python que permite que não programadores explorem conjuntos de dados de célula única AnnData diretamente sem conversão para Seurat, oferecendo paridade de recursos com as ferramentas existentes em R Shiny enquanto demonstra velocidade de renderização superior, menor uso de memória e a capacidade de lidar com conjuntos de dados de grande escala que fazem as alternativas baseadas em R falharem.
O artigo apresenta o C-PLANK, um framework de aprendizado profundo treinado em dados de quimioproteômica celular que supera modelos existentes na previsão de interações fragmento-proteína e identificou com sucesso um novo agonista de SIRT3 ao integrar embeddings físico-químicos com uma métrica de plausibilidade biológica em nível de sistemas.
O RegimeFormer é um modelo de proteína de grande escala que, por meio de seu banco de dados associado RegimeAtlas de mais de 200 milhões de sequências, estabelece regimes de perturbação globais para prever efeitos de mutação em nível de resíduo e melhorar a modelagem biológica downstream, particularmente para proteínas e famílias não vistas.
Este artigo apresenta o Dynamic Hierarchical Interleaved Bloom Filter, uma estrutura de indexação escalável e atualizável que estende o estado da arte HIBF com reconstrução parcial para permitir a busca eficiente de sequências em larga escala, demonstrando a capacidade de indexar mais de 100 TB de dados de RNA-Seq e inserir novas amostras de 24 a 65 vezes mais rápido do que ferramentas concorrentes.
Vipsania é a primeira ferramenta de aprendizado profundo não supervisionado que prevê com precisão estruturas de genes codificadores de proteínas através de diversos genomas eucarióticos ao aprender diretamente de sequências não anotadas, superando assim as limitações de métodos supervisionados que exigem dados de treinamento de alta qualidade e têm dificuldade com clados distantes ou basais.
O PhageTransformer é um modelo de aprendizagem profunda que supera as limitações das ferramentas existentes ao fornecer previsões de hospedeiros para bacteriófagos de forma escalável, precisa e rápida, conforme demonstrado pelo seu desempenho superior em milhares de pares independentes fago-hospedeiro.
O artigo apresenta o morphOTU, um framework impulsionado por IA que deriva unidades de biodiversidade operacionais diretamente de imagens de espécimes usando aprendizado autossupervisionado e agrupamento hierárquico, permitindo a quantificação precisa da diversidade de espécies e a descoberta de padrões morfológicos mesmo na ausência de rótulos taxonômicos formais ou de dados de treinamento extensos.