1235 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.
Os autores apresentam o SMILE, um modelo de difusão baseado em ponte de Schrödinger que supera as limitações dos GANs ao converter com alta fidelidade imagens de H&E em imagens de imuno-histoquímica multiplex, permitindo a inferência proteômica escalável e a análise tridimensional de ilhotas pancreáticas em diferentes estágios do diabetes tipo 1.
O artigo apresenta o Hybrid Gated Fusion, um framework de aprendizado profundo multimodal que utiliza um mecanismo de portão bilinear para integrar dinamicamente características intrínsecas e contextos extrínsecos de proteínas, alcançando desempenho de ponta na anotação funcional em benchmarks como o CAFA3 ao lidar eficazmente com dados faltantes e redundantes.
O artigo apresenta o GANGE, um sistema generativo de aprendizado profundo que reduz drasticamente os custos e a cobertura necessária para o sequenciamento genômico, permitindo a reconstrução precisa e a extensão de sequências a partir de leituras com erros de indel e a geração de promotores gênicos apenas a partir de dados de RNA.
Este estudo avalia dez ferramentas de detecção de modificações de RNA em rRNA de *Escherichia coli* usando sequenciamento direto de Oxford Nanopore, demonstrando que a combinação de abordagens baseadas em erro e sinal com correções de deslocamento posicional supera o desempenho individual e revela que métricas de discriminação isoladas são insuficientes para avaliar a precisão e a completude dessas ferramentas.
Este estudo demonstra que a aplicação de técnicas de aprendizado de máquina para imputar dados faltantes de abundância de mosquitos em Bolívar, Venezuela, melhora significativamente a precisão da previsão da incidência de malária por *Plasmodium vivax*, embora não tenha sido eficaz para *Plasmodium falciparum*, reforçando a importância da escolha do método para modelos de vigilância em regiões endêmicas.
Este artigo demonstra que a integração explícita da glicosilação como filtro no pipeline de design de proteínas *de novo*, utilizando ferramentas como ReGlyco e GlycoShape, melhora significativamente a eficiência e reduz custos laboratoriais ao identificar e descartar precocemente designs não funcionais, como ilustrado no desenvolvimento de inibidores para a glicoproteína do vírus Nipah e na criação de mini-ligantes para a eritropoietina humana.
Este estudo integra contribuições de aprendizado profundo e a métrica delta NES para demonstrar que, em redes de proteínas de ligação a RNA, a arquitetura regulatória mantém um "esqueleto" de sinalização comum entre contextos celulares, enquanto módulos funcionais específicos sofrem redistribuição dependente do contexto.
Este estudo desenvolveu e avaliou um modelo de aprendizado profundo baseado em Representação de Jogo do Caos de Frequência (FCGR) e ResNet-18 para prever resistência antimicrobiana em *Salmonella enterica* e *Staphylococcus aureus*, demonstrando a viabilidade da abordagem para diferentes espécies bacterianas, embora com desempenho inferior ao da ferramenta baseada em genes ResFinder na maioria dos casos.
Este trabalho apresenta uma abordagem explicativa baseada em um grande grafo de conhecimento biomédico e redes neurais gráficas (GNN-GBA) para decifrar os mecanismos complexos que conectam o microbioma intestinal a 125 transtornos cerebrais, identificando vias metabólicas compartilhadas e disponibilizando um painel interativo para explorar essas descobertas.
O artigo apresenta o pacote R evo3D, um novo quadro de trabalho que supera as limitações das abordagens lineares ao permitir a análise evolutiva baseada em estruturas 3D através da extração de haplótipos espaciais, suportando diversas estatísticas, modos de análise e complexidades estruturais para identificar padrões evolutivos que seriam ignorados por janelas deslizantes lineares.