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 PepCABO, um framework de otimização bayesiana no espaço latente que utiliza alinhamento contrastivo e um autoencoder variacional duplo para otimizar eficientemente a ligação de peptídeos a alelos de MHC, superando métodos existentes ao permitir transferência de conhecimento estruturada e maior eficiência amostral.
Os autores apresentam uma extensão da ferramenta ColBuilder que permite a geração de modelos atômicos de fibrilas de colágeno incorporando ligações cruzadas não enzimáticas (AGEs), fornecendo parâmetros de simulação validados e demonstrando como essas ligações afetam diferentemente a estrutura mecânica das fibrilas em comparação com as ligações enzimáticas.
O artigo apresenta o PBML, um novo algoritmo que utiliza o índice PBWT comprimido para identificar eficientemente apenas correspondências exatas máximas conjuntas (kL-SMEMs) longas e compartilhadas por múltiplas haplótipos, superando significativamente os métodos atuais em velocidade e escalabilidade para a detecção de ancestralidade compartilhada em grandes painéis genéticos.
Este artigo propõe e valida um quadro de simulação de interação genótipo-ambiente (GEI) baseado no modelo AMMI Bayesiano, que utiliza matrizes de covariância ambiental de alto rendimento para gerar efeitos GEI com estrutura direcional interpretável, demonstrando sua superioridade na captura de respostas específicas dos genótipos e na melhoria das estratégias de seleção genômica em comparação com simulações tradicionais.
Este artigo apresenta otimizações de inferência para OpenFold e TensorRT que, combinadas com MMseqs2-GPU em diferentes arquiteturas de hardware, permitem a previsão de estruturas proteicas em alta velocidade e sem perda de precisão, desde computadores compactos até datacenters.
Este estudo revela que a resistência de *Aedes aegypti* a piretroides é um processo complexo e dependente da concentração e do tipo de inseticida, onde o lambda-cialotrina induz respostas mitocondriais e de estresse oxidativo, enquanto a permetrina desencadeia mecanismos de barreira cuticular e detoxificação metabólica.
O artigo apresenta o stMCP, um framework baseado no Protocolo de Contexto de Modelo (MCP) que permite a análise de transcriptômica espacial por meio de linguagem natural, executando ferramentas localmente para garantir privacidade de dados, reduzir custos e empoderar biólogos a explorarem seus dados de forma independente e reprodutível.
Este estudo identifica e valida o impacto do ligamento fora do alvo nos painéis de genes Xenium da 10x Genomics, demonstrando como essa especificidade comprometida distorce os perfis de expressão gênica espacial e apresentando a ferramenta de software OPT para mitigar tais erros e melhorar a reprodutibilidade da pesquisa em transcriptômica espacial.
Este estudo avalia métodos de aprendizado profundo para previsão de estruturas de RNA, concluindo que, embora funcionem bem em casos com estruturas secundárias regulares ou pareamento de bases canônico, eles falham em generalizar para novos dobramentos e não conseguem fornecer estimativas de precisão confiáveis.
O artigo apresenta o método PROPTIMUS RAPHAN, uma abordagem de otimização de estruturas proteicas que divide a estrutura em subestruturas residuais sobrepostas para reduzir o tempo computacional de forma linear, demonstrando, através da implementação PROPTIMUS RAPHANGFN-FF, resultados comparáveis aos métodos tradicionais com restrição de alfa-carbonos em um tempo significativamente menor.