🧬 Category

genomics

398 artigos

A genômica é o estudo que decifra o manual de instruções da vida, revelando como o DNA molda quem somos, desde a cor dos olhos até a suscetibilidade a certas doenças. Este campo avança rapidamente, transformando nossa compreensão da biologia e abrindo caminho para tratamentos personalizados que antes pareciam ficção científica.

No Gist.Science, rastreamos diariamente os novos pré-prints de genômica enviados ao bioRxiv para torná-los acessíveis a todos. Processamos cada trabalho recém-publicado, oferecendo tanto resumos técnicos detalhados quanto explicações em linguagem simples, garantindo que você entenda as descobertas mais recentes sem se perder no jargão complexo.

Abaixo, você encontrará a seleção mais atual de artigos nesta área, organizados para facilitar sua leitura e compreensão das últimas inovações.

🧬 genômica

Identifying Putative Pathogenic Non-Coding Variants in Unresolved Rare Disease Patients Using Topologically Associated Domains

O artigo apresenta o GAVURD, um novo sistema que utiliza o sequenciamento de genoma completo de trio e dados de domínios associados topologicamente (TAD) para priorizar e identificar sistematicamente variantes não codificantes putativas patogênicas em pacientes com doenças raras não resolvidas, implicando com sucesso seis candidatos causais em um estudo de prova de conceito.

Gacita, A. M., Pahl, M., Torres, M. D., Ganesan, S., Blair, J. J., Patel, K., Ramakrishnan, R., Conlin, L., Helbig, I. (…)2026-09-20
🧬 genômica

Plague-driven selection enriched familial Mediterranean fever mutations in Armenia

Este estudo demonstra que as altas taxas de portadores de mutações da Febre Mediterrânea Familiar em armênios resultaram de seleção positiva impulsionada pela resistência à *Yersinia pestis* (peste), com as frequências alélicas aumentando rapidamente desde a primeira pandemia de peste por volta de 541 d.C.

Hovhannisyan, A., Antonosyan, M., Bobokhyan, A., Simonyan, H., Aghikyan, L., Avetisyan, P., Badalyan, M., Simonyan, H. (…)2026-09-16
🧬 genômica

Genomic hallmarks of parasexual reproduction in three hybrid groups of the human pathogen Cryptococcus neoformans

Este estudo revela que a reprodução parassexual, caracterizada por processos independentes de meiose, como a perda de heterozigose em nível cromossômico, aneuploidia e redução de ploidia, impulsiona a diversidade genômica e a variação fenotípica de três grupos híbridos distintos no patógeno humano *Cryptococcus neoformans*.

Anand, R., Ma, Q., Tamayo, D., Paul, G., Helmstetter, N., Sun, S., Bian, Z., Kwon-Chung, K. J., Heitman, J., Farrer, R. (…)2026-09-15
🧬 genômica

Covariate-aware genomic prediction of blood metabolite profiles using multi-task neural networks

Este estudo introduz um framework de rede neural multitarefa que prevê efetivamente perfis de metabólitos sanguíneos ao separar as contribuições genéticas, de covariáveis e conjuntas, revelando que a modelagem não linear de covariáveis — particularmente a idade — é o principal motor da melhoria do desempenho preditivo em relação aos métodos lineares tradicionais.

Guler, M. N., Alver, M., Haller, T., Jay, F., Pagani, L., Milani, L., Yelmen, B.2026-09-14
🧬 genômica

Predicted Effector Gene Aggregation, Standards and Unified Schema (PEGASUS): A Community Framework for Effector Gene Reporting

O framework PEGASUS estabelece o primeiro padrão desenvolvido pela comunidade para relatar genes efetores preditos em GWAS ao definir um esquema unificado para metadados, matrizes de evidência e listas de genes priorizados para aumentar a interoperabilidade, reprodutibilidade e reutilização da pesquisa de variante-para-função.

McMahon, A., Ji, Y., Costanzo, M., Butterworth, A. S., Pahl, M., Szyszkowski, S., Heilbron, K., Shiyanbola, A., Tsepilov (…)2026-09-14
🧬 genômica

Multigenerational machine learning-based genomic prediction for dermo resistance in eastern oyster Crassostrea virginica

Este estudo demonstra que a predição genômica multigeracional para a resistência a doenças dérmicas em ostras do Leste é significativamente aprimorada pelo aprendizado de máquina, especificamente modelos de gradient boosting, que aproveitam variantes genéticas raras para atingir uma acurácia de correlação de pico de 0,410, superando substancialmente os métodos tradicionais.

Sun, H., Coyne, P., Wang, Z., Casas, S., La Peyre, J., Williams, M. L., Rikard, S., Bushek, D., Wong, J., Guo, X.2026-09-13