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.
Este artículo presenta un nuevo algoritmo que construye índices de texto completo comprimidos basados en RLBWT y calcula información relacionada con LCP en un tiempo óptimo de O(n) y un espacio de O(r) para conjuntos de datos repetitivos, logrando una reducción de 12.6x en el uso de memoria pico para el análisis de pangenomas a escala de terabase en comparación con métodos anteriores.
Este artículo introduce una representación de proteínas escalable, interpretable y eficiente basada en un alfabeto curado de 40 fragmentos evolutivamente conservados que supera a los métodos tradicionales de secuencia y estructura en la agrupación, la búsqueda en bases de datos y la guía de la generación del esqueleto funcional de proteínas.
Este estudio revela la expresión endógena sin precedentes del lncRNA XIST, específico de las hembras, en un tipo raro de célula neuronal o glial dentro de corazones masculinos, donde su regulación al alza está asociada con enfermedades cardíacas e infarto de miocardio, lo que sugiere una vía de ARN no codificante novedosa y accionable en la patología cardíaca.
El artículo presenta *repare*, una herramienta de software de código abierto que reconstruye automáticamente pedigrís antiguos a partir de relaciones de parentesco por pares mediante el muestreo y la poda iterativos, ofreciendo una alternativa flexible y tolerante a fallos frente a la reconstrucción manual que puede incorporar restricciones del usuario y datos auxiliares.
Este artículo presenta un marco de aprendizaje profundo que utiliza el aprendizaje de etiquetas positivas no etiquetadas para predecir la identificabilidad de los espectros MS2 de pequeñas moléculas a partir de su contexto MS1 y sus parámetros de adquisición, superando eficazmente el desafío de la falta de etiquetas negativas para guiar las decisiones de adquisición y mejorar la identificación de metabolitos.
Este estudio revela que las comunidades microbianas marinas polares sirven como un reservorio, previamente pasado por alto, de diversas enzimas degradadoras de poliéster activas en frío y vías metabólicas completas, ofreciendo candidatos prometedores para la biorremediación de plásticos a baja temperatura.
Este estudio propone un marco de ensamblaje híbrido de tipo stacking-bagging que integra datos clínicos, de expresión génica y de variación en el número de copias para lograr una robustez y precisión superiores (ROC AUC de 0,9355) en el pronóstico del cáncer de mama en comparación con los modelos unimodales y de stacking convencional.
Este artículo presenta Boltz-sample, una estrategia sistemática para el modelo Boltz-2 que modula el muestreo conformacional mediante el reescalado uniforme de las representaciones de pares latentes, permitiendo así la recuperación eficiente y transparente de diversos estados alternativos de proteínas y la cobertura de ensambles sin depender de perturbaciones heurísticas de entrada.
Este capítulo proporciona una guía exhaustiva en R para analizar datos de metabolómica y proteómica clínica, cubriendo pasos esenciales desde el control de calidad y la expresión diferencial hasta la integración de multiómica y el análisis de enriquecimiento basado en redes para el descubrimiento de biomarcadores y la comprensión de enfermedades a nivel de sistemas.
El artículo introduce In-Pocket, un método de optimización de mecánica cuántica sesgado por datos experimentales que mejora la validación química y la fiabilidad estructural de los complejos proteína-ligando, particularmente en casos de resolución experimental insuficiente o química de interacción ambigua.