Diego Mariano

A vida, em toda a sua diversidade, é fundamentalmente baseada na célula e seus constituintes, incluindo as proteínas. Estas moléculas realizam as mais variadas funções e podem sofrer modificações, como a O-Glicosilação com N-acetilglicosamina. A pesquisa apresentada concentra-se em compreender quando essa modificação ocorre, utilizando técnicas de aprendizado de máquina, métodos capazes de resolver problemas complexos que não são ditados por regras simples. O estudo desta pequena modificação, que a princípio pode parecer um detalhe, aponta para soluções de problemas importantes, como a doença de Alzheimer.

A sexta edição da Revista BIOINFO, organizada em colaboração com o Programa Interunidades de Pós-Graduação em Bioinformática da UFMG, reúne 31 artigos, além deste editorial. Os trabalhos publicados nesta edição foram apresentados no evento “Bioinformática 2035: Desafios e Formação de Talentos para a Próxima Década”. Este editorial apresenta uma síntese do evento, destacando seus principais temas, discussões e conclusões.

A rápida integração da tecnologia ao ensino tem transformado a forma como aprendemos e aberto espaço para novas áreas, como a bioinformática. Este artigo discute a importância de introduzir a Bioinformática no Ensino Médio como estratégia para desenvolver o pensamento computacional e tornar o aprendizado de Biologia mais dinâmico e interdisciplinar. É apresentado um projeto-piloto implementado em Belo Horizonte (MG), no qual estudantes de 15 a 18 anos aprenderam lógica de programação com as linguagens Scratch e Python, aplicando conceitos de biologia molecular em atividades práticas e investigativas. Os resultados indicam que o ensino de Bioinformática estimula o interesse dos alunos pelas ciências, promove autonomia e fortalece competências essenciais para as carreiras em Ciência, Tecnologia, Engenharia e Matemática (STEM).

Este livro compila os artigos publicados na Revista BIOINFO Vol. 6 (2026) - Edição Especial em parceria com o Programa Interunidades de Pós-Graduação em Bioinformática da UFMG. Todos os direitos autorais pertencem aos autores de cada respectivo artigo. Todavia, os autores concordam em compartilhar gratuitamente o conteúdo deste livro e incentivam sua livre distribuição (desde que os autores dos respectivos capítulos sejam corretamente citados e/ou que as leis de uso justo sejam respeitadas). Este livro está compartilhado sob a licença Creative Commons Atribuição 4.0 Internacional - Não comercial (CC BY-NC 4.0). Você pode utilizar qualquer conteúdo aqui apresentado, desde que cite: Mariano (org.); et al. BIOINFO #06 - Revista Brasileira de Bioinformática e Biologia Computacional. 6. Ed. Vol. 6. Lagoa Santa: Alfahelix, 2026. doi: 10.51780/978-65-84391-00-0 Esta é uma obra digital. Note que fazemos uso de links e outras propriedades de hipertexto, o que pode limitar a qualidade de edições impressas deste manuscrito. Entretanto, sinta-se à vontade caso deseje imprimir este conteúdo. A cópia por meio impresso ou digital (PDF) é permitida, sendo exclusivamente vedada a venda visando lucro. Detalhes sobre a licença de uso estão disponíveis em: https://bioinfo.com.br/licenca-de-uso/

Este livro compila os artigos publicados na Revista BIOINFO Vol. 5 (2025). Todos os direitos autorais pertencem aos autores de cada respectivo artigo. Todavia, os autores concordam em compartilhar gratuitamente o conteúdo deste livro e incentivam sua livre distribuição (desde que os autores dos respectivos capítulos sejam corretamente citados e/ou que as leis de uso justo sejam respeitadas). Este livro está compartilhado sob a licença Creative Commons Atribuição 4.0 Internacional - Não comercial (CC BY-NC 4.0). Você pode utilizar qualquer conteúdo aqui apresentado, desde que cite: Moura Junior, Adenilson Arcanjo de (org.) et al. BIOINFO #05 - Revista Brasileira de Bioinformática e Biologia Computacional. 5. Ed. Vol. 5. ISBN: 978-65-84391-01-7. Lagoa Santa: Alfahelix, 2025. doi: 10.51780/978-65-84391-01-7

Nesta quinta edição da revista BIOINFO, apresentamos 25 artigos assinados por 98 autores, além deste editorial. Um dos temas centrais discutidos aqui é o desafio de integrar ferramentas de inteligência artificial (IA) generativas ao contexto acadêmico. Tecnologias como ChatGPT, Gemini e Copilot vêm provocando transformações significativas na produção científica e na sociedade, ampliando possibilidades, mas também exigindo reflexão ética e metodológica. Diante desse cenário, este editorial defende que tais ferramentas sejam incorporadas à escrita acadêmica com critério e responsabilidade. Na BIOINFO, seu uso é permitido apenas como suporte complementar, como por exemplo, para revisão ortográfica, gramatical e estilística.

As mutações gênicas são alterações essenciais para a evolução e o funcionamento biológico, mas podem causar o descontrole do ciclo celular e levar à formação de tumores, resultando em câncer. A diferenciação entre mutações drivers e passengers é dificultada pela heterogeneidade das mutações cancerígenas. Para superar essas limitações, pode-se usar a similaridade (homologia) entre as sequências para comparar as interações estabelecidas em um conjunto de sequências homólogas, oferecendo indícios sobre como uma mutação pontual poderia alterar a rede de interações de uma proteína. Esse projeto objetiva usar ferramentas computacionais para auxiliar nesse processo de análise, obtendo informações sobre a estrutura das cadeias homólogas, as biomoléculas com as quais interagem e o sítio de ligação dessas interações, além de contribuir para o entendimento de como as mutações estudadas conferem vantagens evolutivas às células e facilitam sua proliferação.

Por trás de cada reação biológica, há um encontro molecular. As proteínas, peças fundamentais da engrenagem da vida, raramente atuam sozinhas. Elas se reconhecem, se conectam e formam complexos que controlam desde o funcionamento do sistema imunológico até a replicação viral. Prever quais proteínas se "encaixam" é um desafio crucial da biologia. Para superá-lo, novas abordagens computacionais automatizadas vêm sendo desenvolvidas para prever essas interações entre proteínas (PPIs). Ao analisar informações estruturais minuciosas, como contatos entre átomos e variações na superfície das moléculas, e combiná-las a modelos de aprendizado de máquina, torna-se possível transformar dados estáticos em conhecimento preditivo. Essa união entre biologia e computação está impulsionando uma nova fase da ciência, na qual dados estruturais se transformam em capacidade preditiva por meio de algoritmos. Esse avanço aproxima o campo de um cenário em que a identificação de conexões e interações moleculares ocorre de forma automatizada, acelerando descobertas com impacto direto na saúde, na biotecnologia e na inovação.

O Transtorno do Espectro Autista (TEA) é uma condição neurológica complexa, com causas genéticas e epigenéticas. Fatores ambientais durante a gestação, como exposição ao ácido valproico (VPA), podem alterar a expressão gênica por meio da inibição de enzimas histona desacetilase (HDAC), afetando o desenvolvimento cerebral. A bioinformática, com técnicas como docking molecular e modelos de aprendizado de máquina, tem papel essencial na identificação de compostos que influenciam esses mecanismos, contribuindo para o estudo da etiologia do TEA.