879 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 gTranslate, una herramienta de aprendizaje automático computacionalmente eficiente que predice con precisión tablas de traducción para genomas procariotas sin clasificación taxonómica previa, logrando una exactitud superior al 99,99 % y permitiendo el descubrimiento de nuevas variaciones del código genético en linajes bacterianos específicos.
Este estudio presenta un marco computacional que aprovecha el modelo fundamental de ADN Evo2 para priorizar variantes reguladoras no codificantes en el cáncer colorrectal, cuantificando su impacto en las secuencias promotoras, identificando con éxito candidatos de alto impacto enriquecidos en vías relevantes para el cáncer y loci de GWAS sin depender de entrenamiento supervisado ni anotaciones predefinidas.
SQANTI-browser es un marco de visualización novedoso que integra datos de transcriptoma de lecturas largas clasificados por SQANTI3 en el UCSC Genome Browser, permitiendo la filtración interactiva, la curación guiada por evidencia y la resolución de artefactos de alineación para recuperar isoformas novedosas accionables en diversos conjuntos de datos.
CARIBOU es un marco de IA multiagente diseñado para el análisis bioinformático autónomo, iterativo y reproducible en entornos institucionales de computación de alto rendimiento, que utiliza planos editables por investigadores y estados ejecutables persistentes para superar las limitaciones de la generación de código estático en el procesamiento de conjuntos de datos de ómicas de células individuales y espaciales a gran escala.
VaxjoOnto es un marco novedoso que aprovecha un grafo de conocimiento heterogéneo impulsado por una ontología de vacunas y una red neuronal de grafos para priorizar eficazmente los adyuvantes tanto para enfermedades conocidas como nuevas, abordando un cuello de botella crítico en el desarrollo de vacunas al desplazar el enfoque del descubrimiento de antígenos a la selección de adyuvantes.
Este artículo presenta el marco SBB (Señal, Límites y Líneas Base) para evaluar rigurosamente los modelos de perturbación de células virtuales, revelando que los métodos complejos de aprendizaje profundo a menudo no superan significativamente a las líneas base lineales simples y destacando la necesidad de métricas estandarizadas para distinguir la señal biológica genuina de los artefactos estadísticos.
Este estudio establece un marco de mejores prácticas para construir redes de coexpresión génica ponderadas de multi-ómicas simultáneas para analizar la toxicidad y la recuperación tiroidea en un modelo de roedor, demostrando que la concatenación de capas ómicas no escaladas preserva la estructura biológica mientras revela una disrupción molecular extensa y una restauración parcial mediante análisis complementarios de preservación de módulos y conectividad diferencial.
El marco GAE-Δ aprovecha un autoencoder de grafos para modelar la reconfiguración de redes génicas específica de fenotipos a través de datos multi-ómicos, logrando una predicción superior de resultados clínicos e identificando impulsores del cáncer biológicamente relevantes en comparación con los métodos existentes de factorización lineal y basados en redes.
El artículo presenta ALARMIST, un marco probabilístico que descifra motivos interpretables de comunicación multicelular a partir de datos de transcriptómica espacial para identificar patrones de señalización de orden superior y sus impactos fenotípicos aguas abajo, demostrando su utilidad para descubrir los impulsores microambientales de la progresión tumoral en el adenocarcinoma de pulmón y el glioblastoma.
Este trabajo presenta una optimización sistemática de la plataforma CycloneSEQ, que integra el procesamiento experimental de muestras con flujos de trabajo computacionales de ensamblaje para superar las limitaciones de la secuenciación de lecturas cortas y mejorar significativamente la recuperación de genomas microbianos completos a partir de metagenómica de lecturas largas del intestino.