1018 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 *dreampy*, uma implementação em Python do framework R *dreamlet* que realiza análise de expressão diferencial pseudobulbo para dados de RNA-seq de célula única, integrando-se ao ecossistema *scverse* para lidar com efeitos de lote e estruturas hierárquicas em estudos com múltiplos doadores.
O artigo apresenta o Micro16S, uma abordagem de aprendizado profundo que gera representações vetoriais contínuas de genes 16S rRNA baseadas em relações filogenéticas, demonstrando agrupamento taxonomicamente coerente e invariância de região, embora modelos clássicos ainda superem o sistema em tarefas de classificação, apontando para a necessidade de otimizar o design de algoritmos e o tratamento de desequilíbrio de classes.
O artigo apresenta o ExposoGraph, uma plataforma interativa baseada em grafos de conhecimento que unifica dados sobre exposições carcinogênicas, vias metabólicas de ativação e desintoxicação, danos ao DNA e anotações genéticas para facilitar a visualização e a geração de hipóteses sobre interações gene-ambiente no risco de câncer.
Este estudo demonstra que um único agente de IA (Claude Opus 4.6) alcança equivalência estatística com dados extraídos por humanos em cinco conjuntos de dados agrícolas, superando os gargalos tradicionais de extração e alinhamento de metanálises com uma precisão superior a 98% e reduzindo custos em uma a duas ordens de magnitude.
O artigo apresenta o REGEN, um framework baseado em Redes Neurais em Grafos que reconstrói simultaneamente redes de interação gênica a partir de dados de expressão gênica em massa e prevê o estado vital de pacientes, oferecendo diretrizes práticas e validando sua relevância biológica em sete tipos de câncer.
O artigo apresenta o EvoMut, uma nova estrutura computacional que integra dados estruturais, químicos, funcionais e evolutivos para identificar resíduos oxidáveis em proteínas e avaliar a viabilidade de sua mutação, permitindo o desenho racional de proteínas com maior estabilidade oxidativa.
Os autores desenvolveram um framework de benchmarking harmonizado e consciente da implementação para avaliar 46 ferramentas de escore de risco poligênico, demonstrando que o desempenho dessas ferramentas varia significativamente dependendo da arquitetura do fenótipo, das escolhas de pré-processamento e das restrições práticas de implementação, sem que exista um método universalmente superior.
O artigo apresenta o Helicase, uma biblioteca em Rust que utiliza algoritmos vetorizados e bitpacking para oferecer o parser de sequências genéticas FASTA/Q mais rápido e eficiente disponível, superando as soluções existentes em diversas arquiteturas de CPU.
O artigo apresenta o miRBind2, um modelo de aprendizado profundo baseado apenas em sequências que supera os métodos atuais na previsão de ligação de miRNAs e na predição da repressão funcional de genes, demonstrando que representações aprendidas de sítios-alvo podem capturar sinais regulatórios sem a necessidade de recursos biológicos projetados.
Este estudo demonstra que a patogenicidade de variantes genéticas é impulsionada tanto por restrições proteicas quanto por restrições codônicas, revelando que a contribuição relativa desses fatores varia dependendo do tipo de variante e do contexto experimental.