1253 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 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.
Los investigadores desarrollaron un marco de aprendizaje automático híbrido que identificó y validó experimentalmente dos compuestos, berberrubina y PE859, como inhibidores efectivos de la agregación de TDP-43, demostrando su potencial terapéutico en modelos celulares y de *C. elegans*.
CodonRL es un marco de aprendizaje por refuerzo que utiliza demostraciones expertas y recompensas intermedias para optimizar secuencias de codones sinónimos con múltiples objetivos, superando a los métodos actuales en estabilidad estructural, eficiencia de traducción y contenido de uridina.
El artículo presenta TOXsiRNA, un servidor web que utiliza modelos de aprendizaje automático, principalmente máquinas de vectores de soporte (SVM), para predecir computacionalmente la toxicidad y los efectos fuera de objetivo de los ARN de interferencia pequeña (siRNA) químicamente modificados, ofreciendo una herramienta accesible y gratuita para optimizar su diseño terapéutico.
Mediante un modelo *in silico* basado en cinco características clave, los autores lograron predecir con alta precisión el fenotipo de resistencia a la bedaquicilina asociado a variantes de Rv0678 en *Mycobacterium tuberculosis*, ofreciendo una herramienta prometedora para mejorar la gestión clínica de la tuberculosis resistente a la rifampicina.
Los autores presentan miRarchitect, una plataforma web basada en aprendizaje automático que optimiza el diseño de microARNs artificiales para lograr un silenciamiento génico específico y eficaz, superando las limitaciones de las herramientas existentes mediante validación experimental.
El artículo presenta Theseus, un algoritmo novedoso y óptimo para la alineación de secuencias a grafos con brechas afines que logra una velocidad superior y un menor uso de memoria sin sacrificar la optimalidad, superando significativamente a los métodos actuales en tareas de alineación múltiple y mapeo de lecturas en pangenomas.
El artículo presenta evoCancerGPT, un modelo de lenguaje preentrenado diseñado para predecir la evolución del cáncer a nivel de célula individual y paciente mediante el aprendizaje de patrones de expresión génica en pseudotiempos, superando a métodos existentes y ofreciendo potencial para una atención oncológica más personalizada.
El estudio presenta ChatDIA, un flujo de trabajo basado en modelos de lenguaje grandes de propósito general que, mediante razonamiento en configuración *zero-shot*, automatiza el análisis de datos de adquisición independiente de datos (DIA) en proteómica con una precisión competitiva respecto al software especializado y ofrece justificaciones interpretables para la validación interactiva.
El artículo presenta LineageSim, un marco generativo que supera las limitaciones de los simuladores existentes al incorporar expresiones génicas conscientes del destino celular, permitiendo así la creación de datos de línea celular con señales temporales latentes esenciales para validar y entrenar métodos computacionales de predicción de destinos celulares.