1244 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.
Este estudo demonstra que o carcinoma hepatocelular apresenta programas transcricionais conservados de proliferação e perda de hepatócitos, revelando que os tumores associados ao HBV mantêm um componente de lesão distinto e independente do ciclo celular, validado por uma nova pontuação robusta para análise transversal.
O artigo apresenta o AnewSampling, um modelo generativo transferível que, utilizando uma nova estrutura de espaço quociente e um vasto banco de dados de trajetórias, supera métodos anteriores ao reproduzir com alta fidelidade as distribuições de equilíbrio de interações biomoleculares em nível atômico, permitindo a exploração rápida de paisagens conformacionais e a superação de desafios de amostragem inerentes à dinâmica molecular tradicional.
O artigo apresenta o Cycle-Extractor (CE), uma ferramenta computacional rápida e precisa baseada em programação linear inteira mista que reconstrói estruturas de DNA extracromossômico (ecDNA) a partir de dados de sequenciamento de leitura curta ou longa, superando em velocidade e completude métodos existentes como CoRAL e AmpliconArchitect, conforme validado por dados simulados e experimentos de CRISPR-CATCH.
O estudo apresenta o MetaResNet, um framework de aprendizado profundo que otimiza a classificação de doenças baseada no microbioma ao demonstrar que a combinação de mapas de cores Jet e a técnica SMOTE para lidar com desequilíbrio de classes supera abordagens existentes, estabelecendo diretrizes baseadas em evidências para visualização e diagnóstico de precisão.
Este estudo utiliza a regressão quantílica em suínos para revelar efeitos genéticos contextuais na expressão gênica, identificando eQTLs dependentes do estado fisiológico que não são detectados em análises lineares padrão e que oferecem insights conservados sobre a regulação gênica relevante para doenças humanas.
O artigo apresenta o EoRNA2, uma nova versão da base de dados de expressão gênica de cevada que, graças a um fluxo de trabalho automatizado, expandiu drasticamente o número de amostras, introduziu uma interface web renovada e disponibilizou seu código e esquemas como ferramentas agnósticas a espécies para reutilização.
O artigo apresenta o ATAClone, uma nova ferramenta computacional que identifica clones tumorais e estima com precisão as variações no número de cópias de DNA a partir de dados de scATAC-seq, permitindo distinguir contribuições genéticas de não genéticas na heterogeneidade do câncer.
O artigo apresenta o SuperSurv, um pacote R de código aberto que oferece um framework unificado para construir, avaliar e interpretar ensembles de modelos de análise de sobrevivência, integrando diversos algoritmos heterogêneos, permitindo o ajuste de hiperparâmetros, a visualização de curvas de sobrevivência calibradas e a aplicação de ferramentas de interpretabilidade como valores SHAP e contrastes de tempo médio de sobrevivência restrito (RMST).
O artigo apresenta o DNA-MGC+, um codec versátil para armazenamento de dados em DNA sintético que supera as soluções existentes ao garantir recuperação confiável e eficiente de recursos sob diversas condições operacionais, incluindo altas taxas de erro e diferentes tecnologias de sequenciamento.
O artigo apresenta o BioPipelines, um framework Python de código aberto que simplifica a implementação de fluxos de trabalho computacionais complexos para biólogos químicos, integrando mais de 30 ferramentas de design de proteínas e ligantes e permitindo a transição direta de prototipagem interativa para execução em escala de produção.