1251 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 estudio presenta un marco integrado de aprendizaje automático y validación experimental que, al utilizar un atlas armonizado de un millón de células individuales, descubre y valida nuevos objetivos terapéuticos específicos de tipos celulares para la enfermedad inflamatoria intestinal (EII), superando las limitaciones de los enfoques genéticos tradicionales.
Este artículo presenta FragBEST-Myo, una herramienta de aprendizaje profundo basada en redes 3D U-Net que utiliza fragmentos moleculares para segmentar y evaluar dinámicamente los sitios de unión en la miosina cardíaca, demostrando su eficacia como herramienta de cribado para el acoplamiento molecular en conjuntos conformacionales.
Este estudio evalúa siete herramientas bioinformáticas para la detección de variantes minoritarias en *Mycobacterium tuberculosis*, identificando a FreeBayes como la opción más precisa y desarrollando un nuevo modelo de error que reduce significativamente los falsos positivos sin comprometer la detección de variantes reales.
El artículo presenta Clair3 v2, un método que mejora significativamente la precisión en la detección de variantes, especialmente en inserciones y deleciones complejas, al aprovechar la tabla de movimientos de Oxford Nanopore Technologies para incorporar información de señales sin incurrir en una carga computacional adicional.
El artículo presenta CryoZeta, una herramienta de modelado *de novo* que utiliza redes neuronales generativas basadas en difusión para integrar mapas de densidad de microscopía crioelectrónica con pipelines de predicción estructural, logrando una precisión atómica superior en complejos macromoleculares en comparación con los métodos existentes.
El artículo presenta SMECT, un marco integral de evaluación que demuestra que el método DESE supera a S-LDSC y scDRS al equilibrar eficazmente la sensibilidad de detección y la especificidad biológica en el mapeo espacial de células asociadas con rasgos complejos humanos.
IntelliFold-2 es un modelo de código abierto que supera a AlphaFold 3 en la predicción de estructuras biomoleculares mediante refinamientos arquitectónicos y consistencia estructural, logrando mejoras significativas en interacciones anticuerpo-antígeno y plegado proteína-ligando.
El artículo presenta MassID, una pipeline de metabolómica no dirigida basada en la nube que utiliza aprendizaje profundo y el módulo DecoID2 para lograr una anotación casi completa de señales y una identificación probabilística de metabolitos con control de la tasa de falsos descubrimientos, superando las limitaciones de las soluciones actuales y permitiendo un análisis integrado de la disfunción bioquímica.
Este artículo presenta CellLink, un corpus anotado manualmente de más de 22.000 menciones de poblaciones celulares que permite analizar patrones de nomenclatura en la literatura biomédica, entrenar modelos de reconocimiento de entidades y mejorar la estructura del Ontología Celular (CL).
El artículo presenta CPLfold, un método rápido y flexible para predecir la estructura secundaria del ARN que integra evidencia de experimentos de ligación quimérica con modelado termodinámico, permitiendo la predicción de pseudonudos y escalando eficazmente a secuencias largas con mayor precisión que los enfoques existentes.