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.
Thyra es una biblioteca moderna de Python que tiende un puente entre la Espectrometría de Masas de Imagen con el marco de trabajo SpatialData para superar la fragmentación de datos, mejorar la interoperabilidad y permitir el análisis multimodal unificado dentro del ecosistema de la ómica espacial.
El artículo presenta scTREND, un marco computacional libre de anotación que integra la transcriptómica de célula única con resultados clínicos para modelar riesgos a nivel celular dependientes de la condición y variables en el tiempo, permitiendo así una evaluación de riesgo dinámica a través de diversos tipos de enfermedades y modalidades de datos espaciales o masivos sin requerir etiquetas de tipos celulares predefinidas.
Los autores presentan TLand, una novedosa arquitectura de aprendizaje automático construida sobre la base de datos RegulomeDB que supera a los modelos existentes en la predicción y priorización de variantes reguladoras no codificantes específicas de células y órganos, mejorando así la interpretación de los SNP asociados a GWAS a través del genoma humano.
Este estudio demuestra que la correlación entre las verosimilitudes de logaritmo de los modelos generativos y la afinidad de unión de anticuerpos surge porque estos modelos aprenden implícitamente prioris evolutivos, desempeñándose al mismo nivel que las puntuaciones simples de similitud BLOSUM calculadas frente a un ligando parental conocido.
Este artículo introduce un novedoso marco analítico basado en PARAFAC2 que supera las limitaciones de los modelos CP estándar al capturar explícitamente las variaciones temporales específicas de cada sujeto en los datos longitudinales del microbioma, permitiendo así el descubrimiento de firmas de desarrollo replicables e individualizadas que anteriormente habían sido pasadas por alto.
El artículo presenta SWARM, un marco de trabajo basado en IA que mejora significativamente la precisión del perfilado de modificaciones de ARN de molécula única al superar las altas tasas de falsos positivos en la secuenciación por nanoporos, permitiendo así el descubrimiento de nuevos sitios de modificación y revelando nuevas perspectivas sobre la deposición de pseudouridina, al tiempo que desafía los modelos existentes de coordinación epitranscriptómica.
Este artículo presenta OptMini, un algoritmo eficiente que computa minimizadores de densidad mínima para tamaños de ventana grandes al superar las limitaciones de la búsqueda de fuerza bruta y la programación lineal entera, proporcionando además nuevas perspectivas sobre la relación entre la densidad de los minimizadores y los conjuntos de golpeo universales.
Este artículo presenta AniAnn, un algoritmo de código abierto y libre de alineamiento que aprovecha las estimaciones rápidas de la identidad promedio de nucleótidos para anotar de forma rápida y precisa grandes bloques de arreglos de repeticiones en tándem y ADN satélite a través de diversos genomas eucariotas con un tiempo de ejecución significativamente reducido en comparación con los métodos existentes.
El artículo presenta el GLYCAM Bacterial Carbohydrate Builder, una herramienta web mejorada que integra parámetros de monosacáridos bacterianos y derivados para facilitar la generación intuitiva de modelos estructurales 3D y archivos de entrada de dinámica molecular para glicanos bacterianos complejos.
LocAlign es un marco de aprendizaje profundo geométrico que permite el alineamiento estructural local de proteínas mediante la predicción iterativa de correspondencias a nivel de átomo y superposiciones en 3D a través de un entrenamiento débilmente supervisado en pares unidos a ligandos, identificando eficazmente motivos funcionales a través de diversos plegamientos de proteínas sin requerir alineamientos de verdad fundamental.