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 FAMUS, um novo framework de aprendizado contrastivo que supera as ferramentas de anotação atuais ao utilizar escores de similaridade de toda uma base de perfis HMM para prever funções gênicas com maior precisão em larga escala, oferecendo modelos pré-treinados e uma interface web acessível para anotação de dados genômicos e metagenômicos.
Este estudo apresenta o SCL2205, um conjunto de dados de alta qualidade e de acesso aberto derivado do UniProtKB, projetado para superar desafios de qualidade e vazamento de dados na previsão de localização subcelular de proteínas, demonstrando melhorias significativas de desempenho em modelos de linguagem de proteínas em comparação com o estado da arte.
Este estudo demonstra que a fosforilação de um epítopo derivado de ASXL2 em tumores remodela as interações e a dinâmica conformacional do complexo peptídeo-HLA, resultando em maior afinidade de ligação e fornecendo uma base estrutural para o direcionamento racional de alvos imunoterapêuticos específicos do câncer.
Este artigo apresenta o STAR Suite, uma modernização da ferramenta de alinhamento STAR desenvolvida no consórcio NIH MorPhiC, que integra funcionalidades de transcriptômica diretamente no código-fonte C++ por meio de engenharia humana e IA, eliminando a necessidade de arquivos intermediários e dependências externas para otimizar o processamento de dados.
Este estudo demonstra que a abordagem de ensemble, que combina múltiplos modelos de predição genômica, supera os modelos individuais na previsão de características de floração em milho, aumentando a precisão preditiva e revelando insights sobre a variação genética subjacente.
O artigo apresenta o ChatSpatial, uma plataforma baseada em Protocolo de Contexto de Modelo (MCP) que orquestra agenticamente mais de 60 métodos de transcriptômica espacial entre os ecossistemas Python e R através de esquemas pré-validados, garantindo reprodutibilidade determinística e facilitando análises biológicas complexas sem a necessidade de codificação manual.
Este estudo apresenta uma avaliação sistemática de métodos de desconvolução para RNA livre de células no plasma, demonstrando que, embora a inferência da origem tecidual seja robusta e clinicamente relevante, a inferência da origem celular apresenta maior variabilidade e inconsistência, dependendo criticamente da escolha do método e dos parâmetros de referência.
O artigo apresenta o Fractal, uma nova especificação de tarefas e plataforma que habilita fluxos de trabalho de análise de imagens microscópicas escaláveis, modulares e reprodutíveis baseados nativamente no formato OME-Zarr, promovendo a análise FAIR em larga escala para aplicações de pesquisa biológica e clínica.
Este estudo avalia o desempenho de diversos algoritmos de aprendizado de máquina, redes neurais profundas e ferramentas de escore de risco poligênico na previsão de 80 fenótipos binários do conjunto de dados openSNP, revelando que os métodos de aprendizado de máquina superaram as ferramentas tradicionais em 44 fenótipos, enquanto estas últimas foram mais eficazes em 36.
O artigo apresenta o anndataR, uma ferramenta que melhora a interoperabilidade entre R e Python em transcriptômica de células únicas, permitindo a leitura e escrita nativa de arquivos H5AD, a conversão para objetos SingleCellExperiment ou Seurat e garantindo compatibilidade rigorosa entre as linguagens.