104 artigos
A Biologia de Sistemas transforma a maneira como entendemos a vida, deixando de analisar partes isoladas para observar como milhares de componentes celulares interagem em redes complexas. Ao integrar dados de diferentes níveis biológicos, essa abordagem revela padrões ocultos que explicam desde o funcionamento de uma única célula até o comportamento de organismos inteiros, oferecendo uma visão mais holística e dinâmica da ciência da vida.
No Gist.Science, monitoramos diariamente o bioRxiv para trazer as descobertas mais recentes dessa área diretamente para você. Processamos cada novo pré-publicação em Biologia de Sistemas, oferecendo tanto resumos técnicos detalhados quanto explicações em linguagem simples, garantindo que pesquisadores e curiosos possam acessar e compreender avanços complexos sem barreiras.
Abaixo, você encontrará as pesquisas mais recentes publicadas no bioRxiv, organizadas para facilitar sua exploração pelas novidades que estão moldando o futuro desta disciplina fascinante.
Este estudo demonstra que os quimiotipos, derivados da espectroscopia FTIR e análise de machine learning em *Drosophila melanogaster*, funcionam como proxies integradores que preveem com sucesso a variação genotípica, fisiológica e a resposta ao estresse em diferentes populações.
Este estudo demonstra que o framework computacional TransComp-R melhora a utilidade de modelos murinos para a descoberta de tratamentos de Alzheimer de início tardio, identificando e validando prospectivamente que o antagonista de receptores de orexina, suvorexant, reduz os níveis de tau fosforilada em humanos.
Este estudo integra modelagem metabólica e metabolômica para demonstrar que, embora o microbioma do ficosfera de *Microcystis* expanda o repertório metabólico funcional e apresente redundância, os perfis metabólicos são majoritariamente impulsionados pelas saídas metabólicas das cianobactérias, revelando interações bioquímicas cruciais para a dinâmica dos blooms.
O artigo apresenta o FASTERCC, uma nova versão do algoritmo FASTCC que acelera drasticamente o teste de consistência de fluxo e a reconstrução de redes metabólicas de grande escala ao utilizar informações estruturais para pré-processamento, reduzindo o tempo de execução em até 20 vezes e otimizando análises subsequentes.
Este estudo apresenta um modelo computacional que demonstra como a adaptação de tumores ao microambiente ósseo altera sua dependência de fatores de crescimento derivados do osso, tornando as células adaptadas menos responsivas à inibição da reabsorção óssea em comparação com as células não adaptadas.
Este trabalho apresenta o modelo BIRDkiss, uma ferramenta de código aberto que integra orçamentos de energia simplificados e toxicocinética/toxicodinâmica para prever o impacto de pesticidas, isolos ou em mistura, na reprodução de aves sob diferentes cenários de disponibilidade alimentar, visando aprimorar a avaliação de riscos ambientais.
O estudo apresenta o mCanonicalTockySeq, uma nova estrutura computacional que integra a história de sinalização celular com transcriptomas de célula única para reconstruir espaços de estado dinâmicos e temporalmente resolvidos, permitindo a análise comparativa da progressão do desenvolvimento entre espécies, como demonstrado na translação de dados de timócitos humanos para um referencial temporal ancorado em camundongos.
O artigo apresenta o MICA, um algoritmo inovador que utiliza uma abordagem de segmentação binária combinada com um algoritmo genético para detectar pontos de mudança em séries temporais baseadas em modelos dinâmicos, estimando simultaneamente os parâmetros do modelo e os momentos de transição para aplicações que vão desde a modelagem epidemiológica até a monitorização de turbinas eólicas.
O artigo apresenta o GeNETop, uma metodologia que integra análise de variabilidade de fluxo, métricas de topologia de rede e dados transcriptômicos para gerar modelos metabólicos de escala genômica específicos ao contexto e compatíveis com simulações dinâmicas, superando as limitações de métodos existentes ao preservar reações essenciais para transições metabólicas temporais.
Os autores desenvolveram uma estrutura de aprendizado de máquina interpretável integrada à biologia de sistemas que supera as limitações do desequilíbrio de ligação para decifrar mapas genótipo-fenótipo, identificando com sucesso genes causais e revelando novas funções biológicas em leveduras sob estresse químico.