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.
O artigo apresenta o DPGT, uma ferramenta de alto desempenho baseada em Apache Spark que permite a chamada conjunta de variantes genéticas em grandes coortes de forma rápida, escalável e precisa, eliminando a necessidade de fluxos de trabalho paralelos complexos.
O artigo apresenta o ProtNHF, um modelo generativo baseado em fluxos hamiltonianos neurais que permite o controle contínuo e quantitativo de propriedades de sequências proteicas durante a inferência, sem necessidade de retreinamento, ao incorporar funções de viés analíticas diretamente na dinâmica do Hamiltoniano.
O artigo apresenta o CellSweep, uma ferramenta eficiente e eficaz que supera outros métodos na remoção de contaminação ambiental e de massa em dados de genômica de célula única, garantindo análises downstream mais precisas.
Este estudo propõe e valida uma abordagem de divisão e fusão que permite o uso de tamanhos de janela variáveis em alinhamentos de genomas completos, superando as limitações dos métodos de janela fixa ao recuperar com maior precisão as topologias de árvores gênicas em cenários com taxas de recombinação heterogêneas.
Este artigo revisa sistematicamente o uso de codificadores esparsos (SAEs) para revelar representações biológicas interpretáveis em modelos fundamentais de proteínas e genomas, propondo um novo quadro de três níveis e enfatizando a necessidade de validação experimental para distinguir mecanismos biológicos genuínos de estatísticas do conjunto de treinamento.
O artigo apresenta o SLiMMine, uma ferramenta de aprendizado profundo que melhora a previsão de motivos lineares curtos (SLiMs) no proteoma humano, reduzindo significativamente falsos positivos e permitindo a descoberta de novos motivos e interações proteína-proteína específicas.
Este estudo apresenta uma caracterização temporal abrangente da Ontologia de Genes (GO) e de suas anotações ao longo de 21 anos, revelando um crescimento sustentado seguido por uma fase de maturação e estabilização estrutural a partir de 2017, o que fornece um quadro de referência essencial para a reprodutibilidade e reutilização de análises funcionais baseadas em GO.
Este estudo validou experimentalmente que a hidroclorotiazida, identificada por meio de uma estratégia integrada de triagem virtual e reposicionamento de fármacos, se liga a proteínas de ligação a ácidos graxos de cestódeos, confirmando sua potencialidade como agente terapêutico para o tratamento da equinococose.
O artigo apresenta o Latent Space Dynamics (LSD), um modelo termodinâmico baseado em redes neurais que reconstrói trajetórias de diferenciação celular em um espaço latente, permitindo a previsão de destinos celulares, a análise de perturbações gênicas e a quantificação da plasticidade celular.
Os autores apresentam uma implementação do kallisto em GPU, que, ao redesenhar algoritmos centrais para execução paralela massiva, alcança um aceleramento de 30 a 50 vezes em comparação com a versão multithreaded em CPU, permitindo a quantificação de transcriptos de RNA-seq em segundos.