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.
MAJEC es un marco unificado de Expectación-Maximización que cuantifica simultáneamente genes, isoformas y loci de elementos transponibles a partir de datos de RNA-seq, resolviendo con mayor precisión y velocidad los problemas de superposición entre genes y elementos transponibles que afectan a las herramientas actuales.
Este estudio demuestra que el aprendizaje automático basado en gráficos, particularmente las redes neuronales de gráficos (GNN) para la predicción multiclase y los kernels de grafos para la clasificación binaria, permite predecir con alta precisión las funciones fisiológicas y las clases enzimáticas de la mayor parte del proteoma humano utilizando redes de contacto proteico derivadas de estructuras tridimensionales.
Este estudio presenta una plataforma de exploración génica consciente de la jerarquía que integra el conocimiento biológico estructurado para mejorar la interpretabilidad y la coherencia funcional en el análisis toxicogenómico, demostrando su eficacia mediante un caso de estudio sobre la hepatotoxicidad inducida por paracetamol.
Este estudio realiza una evaluación sistemática de modelos de respuesta a fármacos en células individuales, revelando que, aunque algunos métodos como scDEAL son robustos ante desequilibrios de datos, la mayoría de los enfoques actuales logran predecir mejor los cambios transcripcionales inducidos por el tratamiento que el estado intrínseco de resistencia celular previo al mismo, lo que subraya la necesidad de desarrollar modelos con mayor relevancia clínica.
El artículo presenta *found*, una implementación en Python y R del método HiDDEN que permite inferir perturbaciones a nivel celular a partir de etiquetas ruidosas a nivel de lote, ofreciendo un marco flexible y accesible para el análisis de datos de células individuales.
Este trabajo presenta un marco de inferencia bayesiana basado en simulaciones y aprendizaje profundo, denominado CloneMLP-NPE, que permite reconstruir paisajes de fitness intratumoral y estimar coeficientes de selección de alteraciones en el número de copias a partir de datos de secuenciación de células individuales, superando a los enfoques baselines en precisión y calibración de la incertidumbre.
Este trabajo presenta BioClaw, un ecosistema de colaboración entre humanos y bots que transforma los chats grupales en espacios de trabajo persistentes y seguros, permitiendo ejecutar análisis bioinformáticos complejos directamente mediante solicitudes en lenguaje natural integradas en conversaciones de investigación.
El sistema autónomo VCHarness utiliza agentes de IA y modelos fundamentales biológicos para automatizar la construcción de modelos de respuesta a perturbaciones, superando a los enfoques diseñados por expertos en rendimiento y reduciendo el tiempo de desarrollo de meses a días, lo que representa un avance crucial hacia la creación de células virtuales.
Este trabajo presenta un marco de auditoría de "residual-ratio" que cuantifica la varianza de las firmas génicas transcriptómicas ortogonal a la estructura de expresión de fondo, demostrando que la forma de su trayectoria y la brecha de magnitud frente a bases aleatorias son métricas robustas y bootstrap-invariantes para distinguir firmas biológicamente coherentes de combinaciones arbitrarias, sin que un valor residual único pueda adjudicar la independencia de confusores o el valor clínico.
GraphMana es un sistema de gestión de datos nativo basado en grafos que optimiza los proyectos de genómica de poblaciones al almacenar variantes en una base de datos persistente, permitiendo la adición incremental de muestras, el seguimiento de procedencia y la exportación a múltiples formatos, lo que reduce drásticamente el tiempo de procesamiento en comparación con los flujos de trabajo tradicionales basados en archivos fragmentados.