255 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 fotoelectroquímica innovadora que combina la amplificación isotérmica con inhibición por pinza de LNA y la detección sin enzimas mediante oxígeno singlete para lograr una identificación altamente selectiva y sensible de mutaciones KRAS en presencia de una abrumadora cantidad de ADN silvestre, validada con éxito en muestras clínicas.
Este estudio optimizó el sistema automatizado ZEG para la extracción celular de embriones de pez cebra, logrando mediante la modificación de chips y la calibración de parámetros operativos un aumento superior al 50% en la recolección de ADN y una sensibilidad y supervivencia embrionaria superiores al 95% sin efectos adversos.
Este artículo propone el marco PAO, una arquitectura sistémica modular que integra modelos electromagnéticos basados en procesos gaussianos, inferencia bayesiana de cinética molecular mediante MCMC y validación con organoides para optimizar mediante aprendizaje activo el diseño de biosensores plasmónicos de próxima generación.
Este estudio demuestra que el nivel de fidelidad anatómica en los modelos geométricos de las venas ilíacas influye críticamente tanto en la caracterización estadística de su variabilidad como en la precisión de las predicciones hemodinámicas relacionadas con el riesgo de trombosis, revelando que las geometrías simplificadas sobreestiman significativamente las áreas de bajo estrés cortante en comparación con las reconstrucciones tridimensionales completas.
Este artículo presenta RDBCycleGAN-CBAM, un nuevo modelo de aprendizaje profundo basado en GAN que integra bloques densos residuales y módulos de atención para eliminar eficazmente el ruido en imágenes de tomografía computarizada de baja dosis, mejorando significativamente la calidad de la imagen y preservando los detalles estructurales sin comprometer el valor diagnóstico.
Este estudio presenta una nueva plataforma terapéutica basada en anticuerpos biespecíficos que reclutan la proteasa ADAM10 para inducir la degradación selectiva de proteínas de superficie celular mediante el desprendimiento de sus dominios extracelulares, demostrando su eficacia para eliminar receptores como LAG-3 y reactivar la función de las células T.
Este estudio presenta MicrowellMicrofluidicsMiner (M3), un marco basado en agentes de modelos de lenguaje grande que logra una precisión de extracción de conocimiento del 78% para automatizar la creación de bases de datos sobre parámetros de microwells, superando significativamente a los modelos de lenguaje individuales y acelerando así el diseño y la investigación en microfluídica.
Este estudio presenta una plataforma de microgotas de agarosa microfluídica que permite la criba de bibliotecas químicas codificadas con ADN en un contexto celular nativo, facilitando la identificación de ligandos para proteínas asociadas a la cromatina como BRD4 bajo condiciones fisiológicas relevantes.
Este estudio presenta un recubrimiento de polímero zwitteriónico que permite la detección estable de dopamina y la grabación electrofisiológica a largo plazo en ratones libres de movimiento, superando los desafíos del bioensuciamiento y la inestabilidad de los electrodos mediante estrategias de injerto superficial y reticulación fotoquímica.
Este artículo presenta SLEEC, un marco de aprendizaje semisupervisado que logra un rendimiento superior en la predicción de números EC mediante representaciones de proteínas conscientes de la función, proporcionando anotaciones interpretables a nivel de residuos y demostrando robustez ante modificaciones de secuencia comunes en ingeniería de proteínas.