bioinformatics artigos | Gist.Science

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.

💻 bioinformatics

Longitudinal modality prediction learns gene regulatory patterns: insights from a single-cell competition

Este estudo apresenta um novo conjunto de dados de benchmark longitudinal multimodal e os resultados da maior competição de dados de célula única até a data, demonstrando que as melhores abordagens de previsão de modalidades superam os métodos existentes ao capturar relações regulatórias biologicamente significativas e fornecendo diretrizes essenciais para o desenvolvimento futuro de modelos na área.

Lance, C., Shitov, V. A., Wen, H., Ji, Y., Holderrieth, P., Wu, Y., Liu, R., Cannoodt, R., Tang, W., Waldrant, K., DeMeo (…)2026-02-25

💻 bioinformatics

STRATA: Spatial Regulon Field Theory Reveals Coupling Architecture of Human Skin and Its Homogenization in Melanoma

O artigo apresenta o STRATA, uma nova estrutura de geometria diferencial que aplica análise de campos regulatórios contínuos a dados de transcriptômica espacial de pele humana, revelando que o microambiente do melanoma homogeneíza a arquitetura de acoplamento regulatório em vez de eliminá-la.

Tjiu, J.-W.2026-02-25

💻 bioinformatics

TopoMetry systematically learns and evaluates the latent geometry of single-cell data

O artigo apresenta o TopoMetry, um novo framework que aprende e avalia sistematicamente a geometria latente de dados de células únicas, superando os fluxos de trabalho padrão ao preservar estruturas biológicas essenciais e oferecer uma ferramenta acessível para explorar a diversidade celular.

Oliveira, D. S., Domingos, A. I., Velloso, L. A.2026-02-24

💻 bioinformatics

Machine learning-based rescoring with MS2Rescore boosts peptide identification and taxonomic specificity in metaproteomics

Este estudo demonstra que a ferramenta de reavaliação baseada em aprendizado de máquina MS2Rescore supera os fluxos de trabalho tradicionais, aumentando significativamente as taxas de identificação de peptídeos e permitindo uma redução da taxa de falsas descobertas para 0,1% com maior confiança na anotação taxonômica em metaproteômica.

Malliet, X., Declercq, A., Gabriels, R., Holstein, T., Mesuere, B., Muth, T., Verschaffelt, P., Martens, L., Van Den Bos (…)2026-02-24

💻 bioinformatics

Sequence-to-graph alignment based copy number calling using a network flow formulation

O artigo apresenta o Floco, um método inovador que utiliza uma formulação de fluxo em rede para melhorar a precisão da chamada de número de cópias (CN) em grafos genômicos, superando as limitações das abordagens tradicionais baseadas em referência linear e demonstrando ganhos de até 43% na acurácia das previsões.

Magalhaes, H., Weber, J., Klau, G. W., Marschall, T., Prodanov, T.2026-02-24

💻 bioinformatics

CoMR: an integrative scoring pipeline for Comprehensive Mitochondrial proteome Reconstruction across eukaryotes

O artigo apresenta o CoMR, um pipeline integrativo de pontuação que combina previsão de sinais de importação, homologia e análise filogenética para reconstruir com maior precisão o proteoma mitocondrial em eucariotos modelo e não modelo, superando as ferramentas de previsão tradicionais.

Boisard, J., Williams, S. K., Roger, A. J., Stairs, C. W.2026-02-24

💻 bioinformatics

RSTG: Robust Generation of High Quality Spatial Transcriptomics Data using Beta Divergence Based AutoEncoder

O artigo apresenta o RSTG, um gerador baseado em autoencoder e divergência beta que supera as limitações de ruído e falta de dados em transcriptômica espacial, produzindo amostras sintéticas de alta qualidade e robustas a anomalias como ruído branco e efeitos de lote.

Halder, A., Ghosh, A., Bandyopadhyay, S.2026-02-24

💻 bioinformatics

How Not to be Seen: Predicting Unseen Enzyme Functions using Contrastive Learning

O artigo apresenta o EnzPlacer, um algoritmo de aprendizado contrastivo que prevê funções enzimáticas desconhecidas ao posicionar sequências proteicas em um contexto funcional preciso, mesmo quando o número EC específico não está presente nos dados de treinamento.

Ma, X., Joshi, P., Friedberg, I., Li, Q.2026-02-24

💻 bioinformatics

BioGraphX-RNA: A Universal Physicochemical Graph Encoding for Interpretable RNA Subcellular Localization Prediction

O artigo apresenta o BioGraphX-RNA, um modelo interpretável de aprendizado profundo que utiliza codificação de grafos baseada em princípios biofísicos e integra embeddings do RiNALMo para prever com alta precisão e generalização a localização subcelular de diferentes classes de RNA, revelando mecanismos estruturais e de sequência específicos para cada tipo.

Saeed, A., Abbas, W.2026-02-24

💻 bioinformatics

Bayesian Perspective for Orientation Determination in Cryo-EM with Application to Structural Heterogeneity Analysis

Este artigo propõe uma abordagem bayesiana para a estimativa de orientação em criomicroscopia eletrônica, demonstrando que o estimador de erro quadrático médio (MMSE) supera os métodos tradicionais de correlação cruzada, especialmente em condições de baixo sinal-ruído, resultando em reconstruções estruturais mais precisas e numa análise superior da heterogeneidade conformacional.

Xu, S., Balanov, A., Singer, A., Bendory, T.2026-02-23

← Anterior Próximo →