1250 artículos
La bioinformática es el puente vital entre la biología y los datos, transformando secuencias genéticas complejas en conocimiento comprensible que impulsa la medicina moderna y la investigación. En Gist.Science, hacemos que estos avances sean accesibles para todos, eliminando las barreras del lenguaje técnico para que cualquier persona pueda seguir el ritmo de los descubrimientos más recientes.
Cada nuevo preimpreso en esta categoría proviene directamente de bioRxiv, la plataforma líder donde los científicos comparten sus hallazgos antes de la publicación formal. Nuestro equipo procesa cada uno de estos documentos para ofrecer tanto resúmenes técnicos detallados como explicaciones en lenguaje sencillo, garantizando que la información fluya sin complicaciones. A continuación, encontrará los últimos artículos publicados en bioinformática seleccionados para su lectura.
El estudio presenta MultiAMP, un marco de modelado integrativo multi-escala que combina información de secuencia y estructura para lograr un rendimiento superior en la predicción de péptidos antimicrobianos, permitiendo el descubrimiento de nuevos candidatos y el diseño racional de péptidos con motivos específicos.
Este trabajo presenta la "mecanómica espacial", un marco integrado que combina muestreo biomecánico de alta resolución con la plataforma de código abierto MechScape para mapear y analizar la heterogeneidad mecánica en tejidos completos, permitiendo su integración con datos ómicos y de histología.
El artículo presenta TOASTER, un método de análisis topológico de datos que evalúa la asociación entre la expresión espacial continua de proteínas y variables clínicas sin depender de la segmentación celular, demostrando mayor potencia estadística y robustez frente a artefactos de imagen en estudios de proteómica espacial.
El estudio presenta AbiOmics, un pipeline de aprendizaje automático que utiliza perfiles transcriptómicos y 320 genes marcadores específicos para discriminar con alta precisión cuatro tipos de estrés abiótico en plantas, superando las limitaciones de los métodos fenotípicos tradicionales.
El marco MAP presenta un enfoque impulsado por conocimiento que integra un grafo de conocimiento biológico y estrategias de preentrenamiento para predecir con precisión las respuestas celulares a fármacos no perfilados mediante generalización de cero disparos, superando a los modelos existentes en benchmarks de correlación y análisis funcional.
El artículo presenta CO_SCPLOWILANTROC_SCPLOWO_SCPCAP-C_SCPCAPO_SCPLOWSLC_SCPLOW, un marco de dos etapas libre de grafos que utiliza modelos fundacionales biológicos preentrenados y predicción conformal para predecir pares de letalidad sintética con incertidumbre calibrada, logrando una generalización robusta sin depender de redes de interacción proteína-proteína ni anotaciones de ontología génica.
El estudio presenta DENcode, un modelo robusto que integra datos genéticos de haplotipos virales y parámetros epidemiológicos para estimar probabilidades de transmisión del dengue y reconstruir redes de contagio más informativas que los métodos tradicionales basados en secuencias consenso.
Este artículo presenta un marco de descubrimiento de fármacos autónomo impulsado por inteligencia artificial que integra grafos de conocimiento y modelos de lenguaje grandes, utilizando un "grafo focal" para generar hipótesis transparentes y ejecutar flujos de trabajo automatizados a gran escala.
El artículo presenta Cuttlefish 3, un algoritmo paralelo de memoria externa que acelera significativamente la construcción de grafos de Bruijn compactados coloreados mediante tres innovaciones algorítmicas, logrando un rendimiento superior al estado del arte para el análisis de grandes volúmenes de datos genómicos.
El sistema BioMiner es un marco de extracción multimodal que automatiza la minería de datos de bioactividad proteína-ligando de la literatura científica mediante la separación de la interpretación semántica y la construcción de estructuras químicas, validado mediante un nuevo benchmark y demostrado en aplicaciones que mejoran significativamente la eficiencia y el rendimiento en el descubrimiento de fármacos.