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.
El artículo presenta VASCIF, un marco de aprendizaje profundo basado en grafos que logra un rendimiento de vanguardia y ofrece interpretabilidad biológica en la predicción de interfaces estructurales entre anticuerpos y antígenos, superando las limitaciones de los métodos experimentales y computacionales existentes.
El artículo presenta HiReS, un flujo de trabajo de código abierto que permite la extracción automatizada y eficiente de rasgos morfométricos a partir de imágenes de plancton de alta resolución mediante la segmentación por lotes y la reconstrucción de anotaciones, logrando una alta concordancia con las mediciones manuales y mejorando la precisión de las estimaciones en muestras pequeñas.
El artículo presenta scLongTree, una herramienta computacional escalable y precisa que infiere árboles subclonales a partir de datos de secuenciación de ADN de células individuales longitudinales, superando el rendimiento de métodos existentes en simulaciones y conjuntos de datos reales.
El artículo presenta *rnaends*, un paquete de R diseñado para el análisis de secuencias de extremos de ARN a resolución de nucleótido, que ofrece herramientas para el procesamiento, cuantificación y análisis de datos de extremos de ARN (como la identificación de sitios de inicio de transcripción y dinámicas de degradación) mediante una representación matricial de recuentos específica para este tipo de estudios.
Los autores presentan un marco generativo basado en difusión y coherencia de denoising que sintetiza modalidades biomédicas faltantes en conjuntos de datos multimodales, permitiendo mantener el rendimiento de modelos predictivos y guiar pruebas diagnósticas en oncología de precisión.
El artículo presenta COMPASS, una aplicación web basada en un marco determinista y sin ontologías que cuantifica la actividad de vías biológicas mediante biomarcadores digitales reproducibles y transparentes, permitiendo el análisis de expresión génica, la estratificación de pacientes y la comparación de modelos sin necesidad de programación o cohortes de referencia.
El artículo presenta AEGIS, una herramienta de línea de comandos de código abierto en Python diseñada para estandarizar, validar y analizar archivos de anotación genómica, facilitando la extracción de secuencias y el análisis comparativo de genomas mediante un flujo de trabajo integrado que corrige errores comunes y asegura la interoperabilidad.
Este estudio identifica y caracteriza los genes huérfanos en nematodos del género *Meloidogyne*, revelando que constituyen un 18% de su genoma, se originan tanto por divergencia como de novo, presentan firmas moleculares distintivas y podrían desempeñar un papel crucial en su parasitismo global.
El artículo presenta DyGraphTrans, un marco de aprendizaje de representaciones en grafos dinámicos que procesa eficientemente registros de salud electrónicos para predecir la progresión de enfermedades y la mortalidad temprana, logrando un equilibrio óptimo entre rendimiento predictivo, bajo consumo de memoria e interpretabilidad clínica.
El artículo presenta PRIZM, un flujo de trabajo de dos fases que combina conjuntos de datos experimentales pequeños con modelos de aprendizaje profundo preentrenados para identificar y seleccionar de manera eficiente las variantes de proteínas mejoradas, logrando mejoras significativas en estabilidad y actividad con un mínimo de datos de entrenamiento.