💻 Category

bioinformatics

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.

💻 bioinformática

Minimum flow decomposition guided by saturating subflows

Este artículo presenta un nuevo algoritmo heurístico para el problema de descomposición de flujo mínimo NP-duro que extiende los mecanismos de resolución de ecuaciones para modelar conjuntamente todas las ecuaciones del grafo, permitiendo operaciones de fusión seguras que simplifican iterativamente grafos complejos para lograr soluciones casi óptimas significativamente más rápido que las formulaciones de programación lineal entera.

Chen, K., Talesra, A., Thakkar, S., Shao, M.2026-01-22
💻 bioinformática

Computational pipeline reveals nature's untapped reservoir of halogenating enzymes

Este artículo presenta una base de datos curada manualmente y un flujo de trabajo computacional que permiten la anotación precisa y escalable de enzimas halogenantes en datos genómicos y metagenómicos, facilitando así el descubrimiento del reservorio de productos naturales halogenados microbianos aún no explorado por la naturaleza.

Szenei, J., Burke, A., Liong, A., Korenskaia, A., Lukowski, A. L., Ziemert, N., Nikel, P. I., Leao, P. N., Moore, B. S. (…)2026-01-22
💻 bioinformática

Ultra-Content Screening (UCS): Toward the Big Blood Picture

Este artículo presenta el Cribado de Ultra-Contenido (UCS, por sus siglas en inglés), un novedoso método de proteómica de célula única de alta dimensión que utiliza inmunotinción cíclica para analizar hasta 40 marcadores en 100.000 células sanguíneas, demostrando su potencial para revelar perfiles inmunológicos específicos de la enfermedad en la leucemia mieloide aguda para mejorar el diagnóstico y la medicina personalizada.

Kloubert, S. B., Renders, S., Bannach, O., Rockel, T. D., Trumpp, A., Willbold, D.2026-01-22
💻 bioinformática

cyto: ultra high-throughput processing of 10x-flex single cell sequencing

El artículo presenta **cyto**, un procesador de código abierto y de ultra alto rendimiento para la secuenciación de células individuales 10x Genomics Flex que logra una aceleración de 16.5 veces y una reducción significativa del uso de recursos en comparación con CellRanger mediante el uso de la búsqueda directa de k-meros y formatos binarios novedosos, manteniendo al mismo tiempo una concordancia del 99.85% con los resultados estándar para permitir la construcción de atlas de mil millones de células de manera escalable y rentable.

Teyssier, N., Dobin, A.2026-01-22
💻 bioinformática

Interactive Visualization of Metric Distortion in Nonlinear Data Embeddings using the distortions Package

El artículo presenta el paquete de software `distortions`, una herramienta de visualización interactiva diseñada para medir y mostrar distorsiones métricas locales en reducciones de dimensionalidad no lineales como UMAP y t-SNE, ayudando así a los investigadores a identificar artefactos, ajustar hiperparámetros y seleccionar métodos apropiados para analizar datos genómicos de alta dimensión.

Sankaran, K., Zhang, S., Chenab,, Meila, M.2026-01-21
💻 bioinformática

RAGulate: Retrieval-Augmented Generation for Post-hoc Literature-Grounded Regulatory Assessment

RAGulate es un marco de generación aumentada por recuperación que combina la recuperación híbrida de literatura con modelos de lenguaje de gran tamaño para evaluar y explicar con precisión las interacciones entre factores de transcripción y sus objetivos en contextos biológicos específicos, reduciendo así las alucinaciones y acelerando la priorización experimental para los biólogos.

Zandigohar, M., Dai, Y.2026-01-21
💻 bioinformática

eTRex Reveals Oncogenic Transcriptional Regulatory Programs Across Human Cancers

Mediante el desarrollo del modelo jerárquico bayesiano variacional eTRex y su aplicación a 4.819 conjuntos de datos de ATAC-seq, este estudio construye un atlas pan-cáncer exhaustivo y específico de perfiles de reguladores transcripcionales funcionales que revela programas de regulación oncogénica tanto comunes como específicos de cada cáncer, validados mediante cribados genómicos independientes y accesibles a través de un portal web interactivo.

Lu, Z., Yang, Y., Zheng, Q., Gao, F., Xu, L., Wang, X.2026-01-20
💻 bioinformática

HERMES: Holographic Equivariant neuRal network model for Mutational Effect and Stability prediction

HERMES es un modelo de red neuronal rápido y basado en estructuras que predice los efectos mutacionales en la estabilidad de las proteínas y la afinidad de unión mediante el aprovechamiento de entornos atómicos 3D locales y una estrategia de ajuste fino amortizado para superar los sesgos basados en el tamaño, permitiendo así un diseño de vacunas preciso y computacionalmente eficiente.

Visani, G. M., Jones, Z., Galvin, W., Pun, M. N., Daniel, E., Borisiak, K., Wagura, U., Nourmohammad, A.2026-01-15
💻 bioinformática

Stitching genomics data to protein structures: Virulence factors in non-O157 Shiga toxin-producing Escherichia coli

Este estudio integra el análisis del genoma completo con el modelado de la estructura proteica en 3D para demostrar cómo las variaciones genéticas en los factores de virulencia, particularmente el complejo receptor-intimina, pueden caracterizarse funcionalmente para mejorar la evaluación de riesgos y el diagnóstico de diversas *E. coli* productoras de toxina Shiga no O157.

Malhotra, S., Ward, A., Giles, L., Gerrard, T., Winn, M., Holden, N. J.2026-01-15