769 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 MW-RaMViD, um método baseado em difusão probabilística que corrige as distorções da cunha faltante em tomografia crioeletrônica gerando imagens de inclinação ausentes em nível 2D, demonstrando que tamanhos de passo menores e janelas de condicionamento maiores melhoram a fidelidade da reconstrução 3D.
O artigo apresenta o DeepMDTOMO, uma nova estrutura de aprendizado profundo supervisionado que supera as limitações computacionais dos métodos baseados em física para inferir com precisão paisagens conformacionais atômicas de biomoléculas a partir de dados de criomicroscopia eletrônica tomográfica, mesmo na presença de ruído e artefatos de cunha ausente.
O artigo apresenta o SomaSV, um framework de sequenciamento híbrido que combina dados de leitura longa e curta para detectar variantes estruturais somáticas com maior precisão e menor custo do que os métodos atuais, demonstrando potencial para a descoberta de biomarcadores no câncer.
Este estudo de transcriptômica *in silico* identificou assinaturas moleculares e vias imunes compartilhadas entre a Tireoidite de Hashimoto e o Diabetes Tipo 2, destacando cinco genes-chave e propondo três candidatos a fármacos para reutilização terapêutica.
Este estudo avalia sistematicamente estratégias de aprendizado de transferência para prever a resposta à quimioterapia em pacientes, demonstrando que abordagens conservadoras, como o ajuste fino de modelos pré-clínicos e a integração de suas previsões com dados clínicos, superam a transferência direta de conhecimento pré-clínico em termos de robustez e desempenho.
O artigo apresenta o rustybam, um toolkit em Rust para manipulação de alinhamentos PAF e BAM, e o SafFire, uma ferramenta web para visualização interativa de comparações genômicas, ambos desenvolvidos pelo Vollger Lab como softwares de código aberto.
O artigo apresenta o ExCALIBR, um novo framework semi-supervisionado que utiliza misturas de distribuições normais assimétricas para calibrar ensaios funcionais de alto rendimento e gerar probabilidades de patogenicidade específicas para variantes, superando os padrões atuais e reduzindo significativamente as variantes de significado incerto na classificação clínica.
O artigo apresenta o resLens, uma família de modelos de linguagem genômica que supera os métodos baseados em alinhamento ao utilizar representações latentes para detectar genes de resistência a antibióticos, mesmo quando suas sequências diferem significativamente dos bancos de dados de referência.
O artigo apresenta o rbio1, um modelo de raciocínio em biologia treinado com aprendizado por reforço que utiliza modelos biológicos como verificadores aproximados para substituir experimentos de laboratório, alcançando desempenho de ponta em benchmarks de previsão de perturbações e transferência zero-shot para tarefas como previsão de estados de doenças.
O artigo apresenta o DupyliCate, uma ferramenta Python de alto rendimento para mineração, classificação e caracterização de duplicações gênicas, demonstrando sua eficácia e versatilidade em diversos organismos, desde plantas complexas até bactérias e fungos, por meio de múltiplos conjuntos de dados e estudos de caso evolutivos.