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 GRASP, un marco unificado basado en redes neuronales de grafos heterogéneos que supera a los métodos existentes en la predicción de la localización subcelular del ARN al integrar representaciones estructurales multiescala y dependencias entre etiquetas, ofreciendo además interpretaciones biológicas sobre los determinantes estructurales de este proceso.
RevelioPlots es una aplicación web interactiva de código abierto que agiliza la evaluación de la calidad de los modelos de proteínas predichos por IA mediante la integración de análisis estadísticos de puntuaciones pLDDT con gráficos de Ramachandran coloreados por confianza, facilitando así la interpretación visual de la fiabilidad estructural para investigadores de todos los niveles.
Este artículo presenta la Entropía de Co-ocurrencia Regional (RCE), una nueva medida de entropía espacial que cuantifica las interacciones contextuales entre categorías en diversos entornos, demostrando su utilidad en campos tan variados como la biología espacial, la geografía y la ecología.
El artículo presenta EnzPlacer, un algoritmo de aprendizaje contrastivo que predice funciones enzimáticas desconocidas al ubicar secuencias proteicas en un contexto funcional específico dentro del espacio de funciones conocidas, incluso cuando la función exacta no está presente en los datos de entrenamiento.
BioGraphX-RNA es un marco de codificación gráfica biofísica universal e interpretable que, al integrar principios físico-químicos con embeddings de RiNALMo, logra un rendimiento de vanguardia y una generalización cero-shot en la predicción de la localización subcelular de ARN, ofreciendo al mismo tiempo mecanismos explicables y una alta eficiencia computacional.
Este estudio presenta un marco escalable basado en genomas ensamblados a partir de metagenomas (MAGs) de una cohorte poblacional estonia que descubre nuevas especies intestinales, cuantifica la diversidad intraespecífica mediante una métrica novel (GUN) y revela asociaciones con enfermedades que permanecen ocultas cuando se analizan solo a nivel de especie.
Este trabajo propone un marco bayesiano para la estimación de orientaciones en criomicroscopía electrónica que, mediante el uso de un estimador de error cuadrático medio mínimo, supera a los métodos tradicionales basados en correlación cruzada, mejorando significativamente la precisión de la reconstrucción 3D y la fiabilidad del análisis de la heterogeneidad estructural, especialmente en condiciones de bajo relación señal-ruido.
El artículo presenta O_SCPLOWARCANEC_SCPLOW, una nueva herramienta de línea de comandos que integra algoritmos mejorados para la corrección de códigos de barras, la asignación de lecturas a genes y la resolución de UMIs, logrando una cuantificación de expresión génica en transcriptómica de células individuales más rápida y precisa que los métodos existentes.
El artículo presenta ProtBFF, un marco general que mejora la predicción de cambios de energía libre (ΔΔG) al integrar priores biofísicos interpretables en representaciones de aprendizaje profundo mediante atención cruzada, logrando superar a modelos especializados y de mayor tamaño.
El artículo presenta UNISON, un marco de inferencia variacional que aprovecha la dispersión de los datos de transcriptómica de células individuales a gran escala para realizar un análisis estadístico riguroso y escalable de millones de células utilizando únicamente los elementos no nulos, preservando así la interpretabilidad biológica sin necesidad de recursos computacionales masivos.