1211 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 GCP-VQVAE, un tokenizador de geometría completa SE(3)-equivariante que convierte esqueletos de proteínas en un vocabulario discreto de 4.096 tokens preservando la quiralidad y la orientación, logrando una precisión de reconstrucción de vanguardia, una generalización zero-shot robusta y velocidades de inferencia significativamente más rápidas en comparación con métodos anteriores.
Este estudio revela que, si bien el modelo AlphaGenome predice eficazmente la variación de la accesibilidad de la cromatina al capturar la gramática regulatoria local, rinde significativamente por debajo de lo esperado en la predicción de la variación de la expresión génica debido al desafío de modelar la integración regulatoria de largo alcance requerida para las diferencias interindividuales.
MLMarker es un marco de aprendizaje automático interpretable que utiliza un modelo de Bosque Aleatorio entrenado en tejidos sanos para calcular puntuaciones de similitud continuas e identificar orígenes tisulares en datos proteómicos complejos, incluyendo muestras de biofluidos dispersos y tumores metastásicos.
PHoNUPS es una herramienta de software gratuita y de código abierto basada en R, diseñada para estandarizar el análisis y la visualización de datos de vesículas extracelulares de múltiples instrumentos al unificar diversos formatos de archivos en estadísticas, histogramas y gráficos de contorno listos para publicación, con el fin de mejorar la reproducibilidad y el cumplimiento de los estándares de reporte MISEV.
Este artículo introduce una red neuronal de grafos híbrida cuántica-clásica que integra simulaciones de dinámica molecular de corto plazo y circuitos cuánticos variacionales para mejorar significativamente la precisión y la eficiencia de parámetros en la predicción de las tasas de disociación proteína-ligando para el diseño de fármacos.
BiomarkerKB es una base de conocimientos exhaustiva y conforme a los principios FAIR, así como una plataforma basada en grafos que armoniza más de 200.000 asociaciones entre biomarcadores y enfermedades provenientes de diversas fuentes en un marco estandarizado para permitir la exploración y el descubrimiento reproducibles en la medicina de precisión.
Los autores desarrollaron EMTscore, un paquete de R de código abierto que permite la puntuación eficiente y sin sesgos de múltiples vías divergentes de la transición epitelio-mesénquima (EMT) a partir de datos ómicos de célula única o de tipo bulk para facilitar el cribado rápido de correlaciones entre la EMT y otros procesos celulares.
Este artículo presenta Pseudotime Graph Diffusion (PGD), un marco ligero post hoc que mejora la visualización e interpretación de las trayectorias de células individuales mediante el suavizado de las características a nivel de célula y la expresión génica a lo largo de las rutas inferidas utilizando difusión de caminata aleatoria.
RFhap es un novedoso método de fase basado en tríos que utiliza marcadores multi-k-mer y un clasificador de bosque aleatorio para mejorar significativamente la precisión y la contigüidad del ensamblaje de novo con resolución de haplotipos en genomas humanos en comparación con herramientas existentes como Hifiasm-Trio.
El artículo presenta scGeneLens, un marco de trabajo que revela cómo diferentes modelos fundacionales de célula única (scFMs), como scFoundation y scGPT, desarrollan percepciones "pluralistas" distintas de las células al priorizar ya sea genes marcadores de tipos celulares o vías biológicas compartidas, ofreciendo así conocimientos accionables para el diseño de futuros modelos.