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 ATOMICA, um modelo de aprendizado profundo geométrico que aprende representações universais de interfaces intermoleculares em cinco modalidades distintas, demonstrando alto desempenho em tarefas de classificação e permitindo a descoberta experimental de ligantes para proteínas de "proteoma escuro".
Este estudo integra mais de 820 milhões de estruturas proteicas previstas pelo AlphaFold2 e ESMfold no conjunto de dados AFESM, revelando milhões de clusters estruturais, dezenas de novos dobras de domínio e milhares de combinações inéditas que destacam a importância dos dados metagenômicos para explorar a diversidade e a novidade do universo estrutural das proteínas.
O artigo apresenta o BiOS, um framework de código aberto e modular que integra dados heterogéneos de biodiversidade através de uma arquitetura desacoplada, oferecendo tanto uma API robusta para desenvolvedores quanto uma interface web intuitiva para explorar dados taxonómicos, genéticos e geoespaciais em conformidade com os princípios FAIR.
O artigo apresenta o SC-BIG, um modelo bayesiano hierárquico que utiliza dados de sequenciamento em massa para melhorar a detecção de variantes de nucleotídeo único somáticas em células únicas, superando métodos existentes ao incorporar incertezas biológicas e fornecer probabilidades posteriores calibradas para análises downstream.
Este estudo apresenta um benchmark explicativo abrangente de 26 métodos de detecção de domínios espaciais, demonstrando que a resolução dos dados e a heterogeneidade celular são os principais fatores que influenciam o desempenho e revelando que o pré-processamento e a escolha de clustering impactam mais os resultados do que a inovação arquitetural das redes neurais.
Este artigo apresenta o ITEC, um método não supervisionado de alta fidelidade que permite a reconstrução automática e precisa das linhagens celulares e mapas de destino de embriões inteiros em escala de terabytes, validado em múltiplas espécies e capaz de revelar dinâmicas morfogênicas complexas.
O artigo apresenta o scPloidyR, um novo modelo estatístico que integra profundidade de leitura e frequência de alelos B para melhorar a precisão na detecção de variações no número de cópias em células únicas a partir de painéis de sequenciamento direcionado, demonstrando que essa abordagem conjunta supera os métodos baseados apenas em profundidade quando informações alélicas estão disponíveis.
Este artigo apresenta um framework de simulação para testar políticas de prescrição de antibióticos baseadas em Aprendizado por Reforço Hierárquico, demonstrando que a abstração temporal e a estratificação de risco são essenciais para otimizar o gerenciamento da resistência antimicrobiana em ambientes com observações parciais e feedback atrasado.
Este trabalho aplica a predição conformal à recuperação de moléculas a partir de espectros de massa, permitindo a geração de conjuntos de candidatos específicos para cada espectro com uma probabilidade de cobertura garantida e adaptável a diferentes cenários de distribuição.
Este estudo pioneiro integra dados de tempo de replicação e morfologia em redes gênicas individualizadas para subtipar o adenocarcinoma pancreático, demonstrando que essas variáveis epigenéticas e estruturais melhoram a robustez das redes e permitem a classificação precisa de subtipos basal e clássico com alta acurácia.