1235 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 demuestra que, aunque la expresión génica sesgada por el sexo puede influir en la esencialidad de los genes, las diferencias funcionales entre sexos suelen estar impulsadas principalmente por efectos directos independientes de la expresión, especialmente en los genes del cromosoma X donde la dosis cromosómica juega un papel dominante.
Este estudio demuestra que la incorporación de características de secuencia informadas biológicamente, más allá de la estructura y la afinidad, permite identificar señales dependientes del contexto que mejoran significativamente la tasa de éxito en el diseño de ligantes *de novo* y reducen los fracasos experimentales.
El artículo presenta DeSCOPE, un marco ligero basado en autoencoders variacionales condicionales que supera a los modelos basales para predecir respuestas a perturbaciones genéticas en escenarios de genes y tipos celulares no vistos, así como en perturbaciones combinatorias, sirviendo como un modelo virtual celular versátil para guiar el diseño de objetivos terapéuticos.
El artículo presenta π-MSNet, un portal de datos de proteómica vivo y listo para la inteligencia artificial a escala de miles de millones, que ofrece un conjunto de datos estandarizado y herramientas de acceso para el entrenamiento y la evaluación de modelos de aprendizaje profundo en tareas como la predicción de espectros y la secuenciación de péptidos.
El marco de trabajo spatialFDA, disponible como un paquete de R en Bioconductor, combina estadística espacial y análisis de datos funcionales para cuantificar y probar eficazmente las diferencias en la co-localización celular entre múltiples condiciones en datos de ómica espacial, demostrando su utilidad tanto en simulaciones como en estudios biológicos reales como la diabetes tipo 1.
Este estudio presenta un marco computacional basado en la Selección Multidimensional de Características (MDFS) que identifica firmas de microbioma asociadas a enfermedades mediante la detección de interacciones sinérgicas entre pares de microorganismos, superando las limitaciones de los enfoques univariados tradicionales al revelar marcadores conservados y predictivos en múltiples condiciones patológicas que de otro modo pasarían desapercibidos.
Este estudio presenta un marco integral que combina modelos de lenguaje proteico y estructuras 3D predichas para predecir la autoasociación de anticuerpos mediante el ensayo CSI-BLI, demostrando su eficacia como predictor temprano de viscosidad y aclaramiento in vivo, y superando a los modelos basados únicamente en secuencia.
El artículo presenta PepHammer, una herramienta web ligera que facilita la identificación y el mapeo de bioactividad de péptidos a gran escala mediante la comparación de secuencias con bases de datos de péptidos validados, ayudando así a explorar eficientemente conjuntos de datos peptidómicos complejos.
Este estudio presenta el marco de análisis deepHTL, que utiliza regresión semiparamétrica profunda para detectar y estimar la heterogeneidad causal del tratamiento en estudios observacionales, demostrando mediante un caso de trasplante pulmonar que los beneficios de la cirugía bilateral frente a la unilateral varían significativamente según las características del paciente, ofreciendo así una guía estadística para la selección de receptores.
Este estudio caracteriza genómicamente aislados clínicos multidroresistentes de *Escherichia coli* y *Enterobacter hormaechei* en Kenia, identificando genes de resistencia a beta-lactámicos y mutaciones en clones de alto riesgo, así como la presencia de plásmidos compartidos con reservorios ambientales que facilitan la diseminación de la resistencia antimicrobiana.