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 scprocess, um pipeline automatizado em Snakemake que otimiza o processamento, integração e visualização de dados de RNA de célula única em escala de atlas, garantindo reprodutibilidade e escalabilidade para conjuntos de dados massivos.
Este estudo desenvolveu uma estratégia de anotação baseada na expressão para identificar e quantificar sistematicamente pequenos RNAs de vault (svtRNAs) em células humanas, revelando que eles são componentes abundantes e reprodutíveis da paisagem de pequenos RNAs, com potencial para funções regulatórias semelhantes às dos microRNAs.
O artigo apresenta o Descriptron-GBIF Annotator, uma plataforma baseada em navegador que utiliza inteligência artificial e ciência cidadã para permitir a anotação morfológica colaborativa de imagens de biodiversidade do GBIF, gerando dados estruturados que alimentam um ciclo de feedback com ferramentas profissionais para acelerar a descrição taxonômica.
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 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.
Este estudo demonstra que, no besouro-da-patata-do-colorado (*Leptinotarsa decemlineata*), o dsRNA ingerido oralmente é processado em siRNAs funcionais que alcançam o sistema nervoso central, fornecendo evidências bioquímicas de que a interferência de RNA pode atuar diretamente no tecido neural após a administração oral.
O artigo apresenta o SpliceSelectNet (SSNet), um modelo de aprendizado profundo baseado em Transformer hierárquico que alcança desempenho de última geração na previsão de sítios de splicing e detecção de splicing aberrante ao capturar eficientemente dependências de longo alcance em sequências de DNA de até 100 kb, oferecendo ao mesmo tempo interpretabilidade biológica através de seus mecanismos de atenção.
O Fleming é um agente de IA integrado que combina modelos discriminativos e generativos para explorar novos espaços químicos e identificar com alta eficácia compostos líderes promissores para o tratamento da tuberculose, superando as limitações de agentes genéricos e alcançando taxas de sucesso elevadas em testes in vitro e perfis ADMET favoráveis.