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 modelo de aprendizaje profundo PALM, que utiliza transferencias de aprendizaje a partir de embeddings de modelos de lenguaje de proteínas, mejora la predicción de la agregación de péptidos en conjuntos de datos pequeños, aunque destaca que tareas complejas como predecir el efecto de mutaciones individuales requieren conjuntos de datos experimentales más amplios.
El artículo presenta Floco, un método innovador que utiliza una formulación de flujo de red y programación lineal entera para realizar llamadas precisas de número de copias en genomas gráficos, superando las limitaciones de los enfoques tradicionales basados en referencias lineales y mejorando la precisión hasta en un 43%.
Bronko es un marco de trabajo de detección de variación viral ultra rápido y sin alineación, desarrollado en Rust, que supera las limitaciones computacionales de los métodos tradicionales para analizar masivos conjuntos de datos de secuenciación viral con alta precisión y escalabilidad.
Los investigadores desarrollaron una plataforma de descubrimiento basada en genes que integra datos epigenómicos y transcriptómicos para identificar biomarcadores de metilación del ADN específicos del tipo de tumor, superando las limitaciones de los enfoques tradicionales y validando su eficacia clínica mediante ensayos PCR en diversos cánceres.
El estudio presenta CoMR, una nueva herramienta integradora que combina múltiples fuentes de evidencia para reconstruir con mayor precisión el proteoma mitocondrial en diversos eucariotas, superando el rendimiento de los predictores de señales de targeting tradicionales tanto en organismos modelo como en linajes divergentes.
El artículo presenta DemuxHMM, un marco experimental y computacional que combina un esquema de cruce con códigos de barras de recombinación y un modelo oculto de Markov para permitir el desmultiplexado preciso y escalable de grandes conjuntos de datos de ARN de células individuales en estudios de desarrollo embrionario a lo largo del tiempo.
El artículo presenta RSTG, un autoencoder basado en divergencia beta que genera datos de transcriptómica espacial de alta calidad y robustos frente a ruido y anomalías, superando a los métodos existentes en la recuperación de posiciones celulares y la estimación de densidad.
El artículo presenta OligoGraph, un modelo de aprendizaje profundo basado en grafos que supera a los métodos existentes para predecir la eficacia de los siRNA al abordar limitaciones como la escasez de datos y la rigidez en la longitud de las secuencias, logrando mejoras significativas en diversas métricas de rendimiento.
Este estudio establece que la reprogramación transcripcional impulsada por condensados biomoleculares, mediados por proteínas intrínsecamente desordenadas como TOPBP1 y CHERP, define vulnerabilidades terapéuticas conservadas en los cánceres de esófago y gástrico.
Este artículo presenta un método de integración basado en anotación funcional que combina diversas medidas de similitud de expresión génica mediante un puntaje de similitud integrado (ISS) optimizado, demostrando su superioridad para identificar pares de genes similares y predecir categorías funcionales en genes de levadura no clasificados.