214 artículos
La bioingeniería es el fascinante punto de encuentro donde la biología se encuentra con la tecnología para resolver problemas complejos de la vida real. Desde diseñar tejidos artificiales hasta crear sensores microscópicos que monitorean nuestra salud, este campo transforma ideas abstractas en soluciones tangibles que mejoran nuestro bienestar diario y redefinen lo que es posible en la medicina moderna.
En Gist.Science, rastreamos cada nueva preimpresión publicada por bioRxiv en esta categoría para asegurarnos de que nadie se quede atrás. Procesamos cada estudio recién llegado, ofreciendo tanto un resumen técnico detallado como una explicación en lenguaje sencillo, permitiendo que investigadores y curiosos por igual comprendan los avances más recientes sin necesidad de un doctorado.
A continuación encontrarás la selección más reciente de investigaciones en bioingeniería que han llegado directamente desde bioRxiv, listas para ser exploradas y entendidas.
Los investigadores desarrollaron una plataforma microfluídica que permite controlar la entrega de morfógenos en un único organoide cerebral, logrando la generación de dominios ventrales y dorsales espacialmente segregados dentro de una arquitectura de tejido unificada sin necesidad de fusionar organoides.
Este estudio presenta un microscopio de tres fotones mejorado que permite la imagen estructural y funcional de alta resolución del cerebro de ratón a profundidades de hasta 2,5 mm y 2 mm respectivamente, superando las limitaciones anteriores de la imagen multiphoton en regiones cerebrales profundas.
Este estudio demuestra que el filete de hongo melena de león, a pesar de su morfología fibrosa, se comporta como un material isotrópico con propiedades mecánicas y reológicas favorables que se correlacionan inversamente con la percepción sensorial de suavidad, posicionándolo como una alternativa prometedora a la carne entera.
Este trabajo presenta un modelo de alvéolo pulmonar en un chip basado en membranas biodegradables de PLGA/PCL que, al evolucionar su estructura durante la degradación, permiten estudiar la toxicidad de partículas diésel y la modulación terapéutica en una interfaz alveolar fisiológicamente relevante.
Este estudio presenta una membrana porosa biodegradable basada en PLGA para un modelo de alvéolo pulmonar en chip que replica la interfaz aire-sangre y demuestra su utilidad al evaluar la toxicidad pulmonar específica de diferentes partículas de combustión de residuos, revelando que las partículas de caucho causan el mayor estrés oxidativo y genotóxico.
Este trabajo propone un marco computacional de dos pasos que desacopla la detección y la clasificación para analizar con alta precisión las morfologías de glóbulos rojos en imágenes microscópicas completas de células falciformes, superando las limitaciones de los modelos de un solo paso mediante la combinación de un detector YOLO con un clasificador especializado basado en DenseNet121.
Este trabajo demuestra que los decodificadores neuronales en interfaces cerebro-texto entrenados con CTC producen predicciones sobreconfiadas, y propone un nuevo enfoque de entrenamiento basado en entropía cruzada que genera incertidumbre calibrada y fiable, transformándola en una señal de control activa que mejora la integración con modelos de lenguaje y la seguridad en la decodificación.
Este estudio demuestra que la ingeniería de cepas de *Escherichia coli* para coordinar tres vías biológicas específicas (generación de sulfuro, captación de cadmio y nucleación) permite el control preciso de la síntesis biogénica de nanopartículas de sulfuro de cadmio (CdS) de tamaño variable, incluso en concentraciones externas bajas de cadmio.
Este estudio presenta y valida D2IM-Strain, un enfoque de mecánica de imágenes impulsado por datos que predice directamente campos de deformación a partir de imágenes de tomografía computarizada de rayos X, superando las limitaciones de ruido y resolución de los métodos tradicionales basados en la diferenciación numérica de desplazamientos.
Este estudio demuestra que el ajuste racional de la estabilidad de un enlace heterodimérico coiled-coil, guiado por predicciones de aprendizaje profundo, permite programar la morfología y el diámetro de tubos proteicos artificiales, incluyendo la formación de estructuras anidadas mediante un proceso secuencial de reorganización transitoria.