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 Graph Lens Lite, uma ferramenta baseada em navegador que combina visualização rica e análise de redes biológicas para facilitar a exploração, compartilhamento e compreensão de modelos de patogênese de doenças e mecanismos de ação de fármacos.
O artigo apresenta o ToxiVerse, uma plataforma web pública e gratuita que oferece conjuntos de dados de toxicidade curados, perfis biológicos automatizados e uma interface de modelagem preditiva acessível para pesquisadores sem experiência em programação, visando facilitar a avaliação de toxicidade química sem o uso de testes em animais.
Este estudo apresenta um benchmark que avalia métodos de aprendizado profundo para o design de peptídeos *de novo* direcionados a receptores acoplados à proteína G (GPCRs), revelando que, embora as abordagens gerativas consigam amostrar adequadamente o espaço conformacional do esqueleto, os pipelines atuais sofrem de superestimação excessiva de confiança na validação e falham na geração simultânea de sequências precisas, indicando que o problema de pontuação (scoring) permanece sem solução.
Este trabalho apresenta uma extensão do algoritmo SpatialLeiden que permite a clustering espacial em escala de atlas para dados multimodais, 3D e de múltiplas amostras, utilizando multiplexação flexível de grafos de vizinhança em espaços latentes corrigidos por lote para gerar domínios coerentes e reconstruções estáveis com alta escalabilidade.
O HMM-Flagger é uma ferramenta independente de referência que utiliza um modelo de Markov oculto para detectar erros estruturais em montagens genômicas, demonstrando alta eficácia na identificação de anomalias em dados de sequenciamento de última geração e na validação de montagens humanas de alta qualidade.
O artigo apresenta o TreeMS2, uma ferramenta computacional escalável que constrói árvores filogenéticas diretamente a partir de dados brutos de espectrometria de massa (MS/MS) sem necessidade de anotação, permitindo inferir relações evolutivas baseadas no fenótipo molecular em proteômica e metabolômica.
O artigo apresenta o STEQ, um novo método de estimação de árvores de espécies baseado em distâncias de quartetos que é estatisticamente consistente, significativamente mais rápido e escalável do que métodos existentes como o ASTRAL, mantendo uma precisão competitiva em grandes conjuntos de dados filogenômicos.
Este estudo apresenta uma abordagem rápida, sem marcação e não destrutiva que integra espectroscopia vibracional (ATR-FTIR e Raman) com aprendizado de máquina para quantificar com alta precisão a distribuição de tamanhos de fragmentos de DNA, oferecendo uma alternativa escalável aos métodos convencionais.
O artigo apresenta o APEX, um framework de IA explicável que integra embeddings evolutivos e redes neurais para realizar a descoberta de alvos patogênicos em escala proteômica e o design guiado de moléculas inibidoras, oferecendo um pipeline versátil para priorizar alvos e gerar novos candidatos a fármacos antimicrobianos.
O scDynOmics é um modelo transformer otimizado e escalável que utiliza mecanismos de atenção do tipo Linformer e adaptação de baixo rank para aprender representações compactas e interpretáveis de dados multimodais de célula única, superando o estado da arte em classificação celular e na decifração de dinâmicas de desenvolvimento.