1246 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 artigo apresenta o STAR Suite, uma modernização da ferramenta de alinhamento STAR desenvolvida no consórcio NIH MorPhiC, que integra funcionalidades de transcriptômica diretamente no código-fonte C++ por meio de engenharia humana e IA, eliminando a necessidade de arquivos intermediários e dependências externas para otimizar o processamento de dados.
Este estudo demonstra que a abordagem de ensemble, que combina múltiplos modelos de predição genômica, supera os modelos individuais na previsão de características de floração em milho, aumentando a precisão preditiva e revelando insights sobre a variação genética subjacente.
O artigo apresenta o ChatSpatial, uma plataforma baseada em Protocolo de Contexto de Modelo (MCP) que orquestra agenticamente mais de 60 métodos de transcriptômica espacial entre os ecossistemas Python e R através de esquemas pré-validados, garantindo reprodutibilidade determinística e facilitando análises biológicas complexas sem a necessidade de codificação manual.
O artigo apresenta o singIST, um pacote R/Bioconductor e um painel interativo Quarto que automatizam a comparação quantitativa e explicável de dados de transcriptômica de célula única de modelos de doença pré-clínicos com referências humanas, permitindo avaliar a recapitulação da fisiopatologia em nível de supercaminhos, tipos celulares e genes.
Este estudo desenvolveu um sistema in vitro fisiologicamente relevante com células epiteliais das vias aéreas humanas para caracterizar assinaturas mutacionais, identificando uma nova assinatura distinta associada à exposição ao N-nitrosotris-(2-cloroetil) ureia (NTCU), mas não ao NNK.
Este estudo apresenta uma avaliação sistemática de métodos de desconvolução para RNA livre de células no plasma, demonstrando que, embora a inferência da origem tecidual seja robusta e clinicamente relevante, a inferência da origem celular apresenta maior variabilidade e inconsistência, dependendo criticamente da escolha do método e dos parâmetros de referência.
Os autores apresentam um novo quadro de aprendizado de Hamiltoniano quântico baseado em dados de medição resolvidos no tempo, aplicado ao modelo QHGM para inferir redes de regulação gênica com garantias teóricas de recuperação e validação em dados reais de glioblastoma.
O artigo apresenta o Fractal, uma nova especificação de tarefas e plataforma que habilita fluxos de trabalho de análise de imagens microscópicas escaláveis, modulares e reprodutíveis baseados nativamente no formato OME-Zarr, promovendo a análise FAIR em larga escala para aplicações de pesquisa biológica e clínica.
Este artigo apresenta o GDAS, uma nova plataforma de alto rendimento que otimiza a identificação de glicoformas associadas a doenças através de um fluxo de trabalho integrado de busca aberta, análise direcionada e aprendizado de máquina, validando sua eficácia em dados de doença de Alzheimer.
Este estudo demonstra que a aplicação de estratégias de filtragem automatizada, como o `filterByExpr()` do edgeR, combinadas com a normalização que integra informações de transcritos lineares e circulares, melhora significativamente a sensibilidade e a reprodutibilidade da análise de expressão diferencial de circRNAs, estabelecendo um framework padronizado para a descoberta de biomarcadores.