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 estudo integra sequenciamento de RNA de célula única e aprendizado de máquina interpretável para identificar biomarcadores, incluindo genes imunes e perfis de biópsia líquida, que preveem com alta precisão a resposta terapêutica no câncer de mama triplo-negativo.
O artigo apresenta o SPAE, um modelo baseado em autoencoder que combina componentes senoidais e lineares por partes para decifrar com maior precisão e robustez a dinâmica do ciclo celular e os estados celulares em dados de RNA-seq de célula única, superando os métodos existentes na caracterização de transições e na remoção de efeitos do ciclo celular.
O artigo apresenta o REMAG, uma nova ferramenta que utiliza aprendizado contrastivo e modelos de fundação genômica para superar as limitações atuais e recuperar genomas eucarióticos de alta qualidade a partir de dados de metagenômica, superando os métodos existentes que frequentemente produzem resultados fragmentados.
O artigo apresenta o scEvolver, um framework de aprendizado contínuo baseado em protótipos que permite a anotação escalável e precisa de células únicas sem necessidade de reprocessar dados históricos, superando limitações como o esquecimento catastrófico e viés de lote enquanto revela dinâmicas celulares em contextos de doenças complexas.
O artigo apresenta o geneSTRUCTURE, uma plataforma moderna de interface de linha de comando e baseada na web que oferece visualização flexível, interativa e de alta resolução de estruturas gênicas, permitindo a sobreposição de anotações personalizadas e a geração de figuras adaptáveis para superar as limitações das ferramentas existentes.
O artigo apresenta o Perseus, um framework de refinamento de classificação taxonômica que utiliza redes neurais convolucionais para analisar a consistência hierárquica e espacial dos dados do Kraken2 em metagenomas de leituras longas, reduzindo significativamente as taxas de falsos positivos e melhorando a precisão das atribuições.
Os autores desenvolveram modelos de aprendizado profundo que utilizam embeddings contextuais do modelo de linguagem genômica PlantCaduceus e dados de acessibilidade da cromatina para superar o estado da arte na previsão da expressão gênica entre espécies e na detecção precisa dos efeitos de variantes regulatórias em mutantes de *Brachypodium*.
Este estudo reanalisou dados transcriptômicos e proteômicos do modelo suíno de diabetes MIDY utilizando abordagens multi-ômicas, identificando o ADAMTS17 como um novo biomarcador associado à disfunção imune e atraso na cicatrização de feridas.
Este artigo apresenta o Inverse Protocol Prediction (IPP), um quadro de aprendizado estruturado que infere com alta precisão as condições experimentais de cultura de esferoides diretamente de imagens de microscopia, integrando descritores morfológicos e representações visuais profundas para garantir robustez e reprodutibilidade em sistemas de cultura celular 3D.
O artigo apresenta o SR2P, um framework de aprendizado de máquina baseado em empilhamento que prevê com alta precisão a abundância de proteínas espaciais a partir de dados de expressão gênica, superando métodos existentes e permitindo a análise de imunologia tumoral em dados de transcriptômica espacial que contêm apenas RNA.