💻 Category

bioinformatics

1199 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.

💻 bioinformática

Cyclome: Large-scale replica-exchange dynamics of 930 cyclic peptide reveal thermal stability and critical metal-binding behavior

Este artigo apresenta o Cyclome, um framework computacional abrangente que integra um novo recurso de dados de 930 peptídeos cíclicos, um algoritmo de alinhamento específico para topologia cíclica e modelos de aprendizado de máquina para prever a estabilidade térmica e identificar a ligação a metais críticos, superando as limitações dos métodos lineares tradicionais.

Sajeevan, K. A., Gates, H., Raghunath, V. S., Tan, C. P. H., Danurdoro, R., Young, J., Chowdhury, R.2026-04-12
💻 bioinformática

Interpretable Antibody-Antigen Structural Interface Prediction via Adaptive Graph Learning and Cyclic Transfer

O artigo apresenta o VASCIF, um framework baseado em aprendizado de grafos adaptativo e transferência cíclica que prevê com precisão e interpretabilidade as interfaces estruturais entre anticorpos e antígenos, superando desafios como a escassez de dados e o desequilíbrio de classes para acelerar a descoberta de anticorpos.

Liu, X., Kantorow, J., Chattopadhyay, A. K., Chakraborty, S.2026-04-12
💻 bioinformática

rnaends: an R package to study exact RNA ends at nucleotide resolution

O artigo apresenta o pacote R *rnaends*, uma ferramenta dedicada à análise de sequenciamento de extremidades de RNA em resolução de nucleotídeo, que oferece um fluxo de trabalho completo desde o pré-processamento e quantificação até a identificação de sítios de início de transcrição e análise de dinâmicas de degradação e modificação pós-transcricional.

Caetano, T., Redder, P., Fichant, G., Barriot, R.2026-04-11
💻 bioinformática

Coherent Cross-modal Generation of Synthetic Biomedical Data to Advance Multimodal Precision Medicine

Os autores desenvolveram um quadro gerativo inovador baseado em difusão e consenso, chamado "Coherent Denoising", capaz de sintetizar dados biomédicos multimodais faltantes com alta fidelidade, validado em mais de 10.000 amostras do TCGA, para superar a esparsidade de dados e aprimorar a oncologia de precisão.

Marchesi, R., Lazzaro, N., Endrizzi, W., Leonardi, G., Pozzi, M., Ragni, F., Bovo, S., Moroni, M., Osmani, V., Jurman, G (…)2026-04-11
💻 bioinformática

PRIZM: Combining Low-N Data and Zero-shot Models to Design Enhanced Protein Variants

O artigo apresenta o PRIZM, um fluxo de trabalho de duas fases que combina conjuntos de dados experimentais pequenos com modelos zero-shot pré-treinados para identificar o modelo mais adequado e priorizar variantes proteicas melhoradas, oferecendo uma rota acessível e eficiente em dados para o design de proteínas.

Harding-Larsen, D., Lax, B. M., Garcia, M. E., Mendonca, C., Mejia-Otalvaro, F., Welner, D. H., Mazurenko, S.2026-04-11
💻 bioinformática

FM-GPT: Bayesian fine mapping for phenome-wide transcriptome-wide association studies

O artigo apresenta o FM-GPT, um novo método bayesiano de mapeamento fino que prioriza genes causais em estudos de associação transcricional de fenótipo amplo (TWAS), permitindo a análise conjunta de múltiplos fenótipos correlacionados e de tipos mistos para identificar mecanismos biológicos compartilhados e reduzir sinais espúrios.

Canida, T., Ye, Z., Wang, S.-H., Huang, H.-H., Pan, Y., Liang, M., Chen, S., Ma, T.2026-04-11