1200 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 miRBind2, um modelo de aprendizado profundo baseado apenas em sequências que supera os métodos atuais na previsão de ligação de miRNAs e na predição da repressão funcional de genes, demonstrando que representações aprendidas de sítios-alvo podem capturar sinais regulatórios sem a necessidade de recursos biológicos projetados.
Este estudo demonstra que a patogenicidade de variantes genéticas é impulsionada tanto por restrições proteicas quanto por restrições codônicas, revelando que a contribuição relativa desses fatores varia dependendo do tipo de variante e do contexto experimental.
Os pesquisadores desenvolveram um fluxo de trabalho computacional integrativo que analisa múltiplos perfis transcriptômicos para identificar e priorizar 64 medicamentos já aprovados pela FDA como promissores terapias direcionadas ao hospedeiro para o tratamento da tuberculose, além de revelar novos alvos moleculares para essa abordagem.
O artigo apresenta o TriGraphQA, um novo framework de aprendizado de grafos triplos que supera os métodos existentes ao avaliar a qualidade de complexos proteicos, distinguindo explicitamente a estabilidade de dobramento intra-cadeia da especificidade de ligação inter-cadeia por meio de três vistas geométricas e um módulo de agregação de contexto.
O artigo apresenta o RNASTOP, um novo framework de aprendizado profundo que supera os métodos existentes na previsão da estabilidade química do mRNA e permite a otimização racional de sequências para acelerar o desenvolvimento de terapias baseadas em mRNA.
Este estudo utiliza modelagem computacional e docking molecular para identificar os antígenos PfCyRPA, PfMSP10 e PfCSP como os principais candidatos para o desenvolvimento de uma vacina contra a malária, baseando-se na sua forte interação com receptores de células T humanas.
Este estudo utiliza análises bioinformáticas de múltiplos conjuntos de dados transcriptômicos para identificar assinaturas moleculares robustas, revelando que desordens no metabolismo da vitamina D e vias inflamatórias são características centrais da fragilidade e servem como promissores biomarcadores para diagnóstico precoce e desenvolvimento de terapias.
Este artigo apresenta o dGSEA, uma abordagem de análise de enriquecimento de conjuntos gênicos diferenciável que substitui as operações de classificação discretas por aproximações suaves e normalização robusta, permitindo a otimização direta de objetivos baseados em vias biológicas em modelos de aprendizado de transcriptômica e melhorando a concordância com resultados clássicos de GSEA sem comprometer o desempenho na previsão de genes individuais.
O artigo apresenta o ECHO, um pipeline baseado em Snakemake e sequenciamento nanopore que permite a caracterização (epi)genética abrangente, reprodutível e escalável do repetoma humano, superando as limitações atuais na análise de regiões repetitivas complexas.
O artigo apresenta o scCChain, uma nova estrutura baseada em transformadores que mapeia programas de comunicação celular espacialmente resolvidos e localiza pontos críticos de interação em tecidos complexos, superando as limitações dos métodos existentes ao integrar cadeias de células para análise em resolução de spot e unicelular.