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 scProfiterole, um novo framework computacional que utiliza filtros espectrais de grafos e aprendizado contrastivo para melhorar a precisão e robustez do agrupamento de dados proteômicos de células únicas, superando desafios como ruído e dados ausentes.
O artigo apresenta o AQuA2-Cloud, uma plataforma web baseada em nuvem que evolui a ferramenta AQuA2 para permitir a análise de bioimagem fluorescente com alta precisão, eliminando a necessidade de licenças do MATLAB e facilitando o acesso a grandes conjuntos de dados por meio de navegadores padrão.
O artigo apresenta o OpticalFlow3D, uma ferramenta de fluxo óptico compatível com Python e MATLAB para imagens de microscopia de fluorescência 3D, que permite a análise quantitativa de movimentos amorfos em sistemas biológicos sem a necessidade de segmentação prévia, superando barreiras de acessibilidade e interpretação na comunidade de bioimagem.
Este artigo apresenta o algoritmo Trivial Tangle Traverser (TTT), que automatiza a resolução de emaranhados em grafos de montagem genômica utilizando profundidade de cobertura e alinhamento de leituras para gerar sequências de modelos otimizadas, eliminando a necessidade de curadoria manual e permitindo a caracterização de regiões repetitivas complexas anteriormente inacessíveis.
Este estudo apresenta uma análise *in silico* que identifica os domínios da proteína titina humana, especialmente o domínio Ig-like, como candidatos promissores para a estimativa do intervalo pós-morte (IPM) devido às suas diferentes taxas de degradação e estabilidade estrutural, estabelecendo a base computacional para futuras validações laboratoriais.
O artigo apresenta o DIA-NN EasyFilter (DEF), um fluxo de trabalho baseado no KNIME que oferece uma solução rápida e amigável para filtragem, avaliação crítica e visualização dos resultados de análises proteômicas realizadas com o DIA-NN, permitindo que usuários sem habilidades de programação interpretem dados complexos de forma eficaz.
O artigo apresenta o NanoVI, um pipeline Nextflow que utiliza inferência variacional bayesiana para realizar classificação taxonômica de nível de espécie em leituras completas de 16S rRNA do Oxford Nanopore, oferecendo estimativas de abundância com intervalos de credibilidade, redução de falsos positivos e desempenho computacional superior em comparação a ferramentas existentes.
O artigo apresenta o PhosSight, uma estrutura unificada de aprendizado profundo que aprimora a identificação e acelera a análise de fosfoproteomas em abordagens DDA e DIA, permitindo a descoberta de novos alvos de quinase associados ao prognóstico no câncer de endométrio.
O artigo apresenta o FAMUS, um novo framework de aprendizado contrastivo que supera as ferramentas de anotação atuais ao utilizar escores de similaridade de toda uma base de perfis HMM para prever funções gênicas com maior precisão em larga escala, oferecendo modelos pré-treinados e uma interface web acessível para anotação de dados genômicos e metagenômicos.
Este estudo apresenta o SCL2205, um conjunto de dados de alta qualidade e de acesso aberto derivado do UniProtKB, projetado para superar desafios de qualidade e vazamento de dados na previsão de localização subcelular de proteínas, demonstrando melhorias significativas de desempenho em modelos de linguagem de proteínas em comparação com o estado da arte.