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 artículo presenta TOB-QMC, un método rápido y estadísticamente consistente basado en cuartetos para reconstruir el árbol de nubes (TOB) bajo el modelo de coalescencia de redes de especies, que supera a la herramienta anterior TINNiK en escalabilidad y precisión al permitir la reconstrucción de historias evolutivas en conjuntos de datos más grandes.
MANTIS es un nuevo marco estadístico que unifica el análisis de metabolómica y transcriptómica espacial para descubrir patrones espaciales y relaciones gen-metabolito, corrigiendo rigurosamente factores de confusión y dependencias espaciales mediante pruebas de hipótesis avanzadas.
Este trabajo presenta DETANGO, un marco de aprendizaje profundo que desentraña los efectos de las mutaciones en la estabilidad y función de las proteínas al eliminar las componentes atribuibles a perturbaciones de estabilidad, permitiendo así identificar variantes estables pero inactivas y residuos funcionalmente críticos para avanzar en la ingeniería racional de proteínas.
SpaMOAL es un método de aprendizaje contrastivo basado en grafos que integra coordenadas espaciales, características de imágenes histológicas y perfiles moleculares para identificar con precisión dominios tisulares en datos de multi-ómica espacial, superando a los métodos existentes en la delimitación de la organización de los tejidos.
Este estudio presenta un marco de mapeo de linaje basado en transporte óptimo que reconstruye la dinámica de diferenciación de las células T CD8 a través del tiempo y los tejidos, revelando oleadas de migración al intestino delgado y reguladores clave como AP4 que determinan el destino de las células T de memoria residentes en tejidos.
Keju es un modelo estadístico jerárquico diseñado para mejorar la potencia y el control de falsos positivos en los ensayos de reporteros masivamente paralelos (MPRA) al modelar la incertidumbre específica de los lotes y modalidades en las lecturas de ARN, superando significativamente a métodos anteriores como MPRAnalyze y BCalm.
Este estudio evalúa y compara diversos métodos de cribado de características basados en el principio de cribado seguro para la clasificación de datos ómicos de alta dimensión, identificando a BcorSIS como la opción más eficaz y eficiente computacionalmente para reducir el ruido y seleccionar biomoléculas informativas en contextos como el diagnóstico de la diabetes tipo 1.
Este estudio desarrolla y valida internamente biomarcadores de resiliencia al envejecimiento en primates no humanos utilizando datos clínicos longitudinales y modelos de aprendizaje automático no lineales, demostrando que estas métricas predicen la mortalidad con mayor precisión que los modelos lineales que solo estiman la edad cronológica.
Este estudio presenta un marco de descubrimiento de fármacos que integra respuestas sistémicas mediante el mapa de conectividad (CMAP) para generar y priorizar candidatos que activan TLR5, los cuales fueron validados experimentalmente, demostrando un enfoque escalable que supera las limitaciones de los métodos tradicionales al incorporar el contexto celular desde etapas tempranas.
El artículo presenta GAIA, un marco de geometría de la información que supera las limitaciones de las métricas euclidianas tradicionales al tratar las células como distribuciones multinomiales en una variedad estadística, logrando así reconciliar de manera eficiente y sin sesgos tanto las transiciones discretas de presencia/ausencia como las modulaciones continuas en el análisis de transcriptómica de células individuales y espaciales.