771 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 MIMIQ, un método de agrupamiento adaptativo que permite calcular la información mutua y realizar pruebas de significancia estadística de manera eficiente para datos de secuenciación de ARN de células individuales, demostrando su utilidad al analizar la reconfiguración génica en células T CD4+ durante la infección por SARS-CoV-2.
Este estudio demuestra que la combinación de alfabetos reducidos de aminoácidos con tokenización subpalabra permite entrenar modelos de lenguaje proteico más eficientes y rápidos, manteniendo o incluso mejorando el rendimiento predictivo en diversas tareas.
Este estudio presenta Cyclome, un marco computacional integral que unifica un recurso de 930 péptidos cíclicos, desarrolla algoritmos de alineación específicos para topología circular y entrena modelos de aprendizaje automático para predecir su estabilidad térmica y su capacidad de unión a metales críticos, sentando las bases para el diseño racional de péptidos cíclicos estables.
Pipette es un marco de inteligencia artificial multiagente que orquesta flujos de trabajo de bioinformática mediante un grafo de habilidades derivado de la literatura científica, permitiendo a investigadores sin experiencia computacional ejecutar análisis genómicos complejos y reproducibles de extremo a extremo mediante interacción en lenguaje natural.
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 *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 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.
El estudio presenta FM-GPT, un nuevo método bayesiano de mapeo fino que mejora la identificación de genes causales en estudios de asociación transcripcional a escala fenómica al manejar múltiples rasgos correlacionados y tipos de datos mixtos, logrando reducir significativamente el conjunto de genes candidatos y revelar mecanismos biológicos compartidos y compensaciones funcionales en datos del UK Biobank.
Este trabajo presenta LYM-1, el primer modelo a gran escala y multicultivo que utiliza más de 4,7 millones de observaciones para predecir el rendimiento de cultivos en las praderas canadienses, permitiendo optimizar la producción agrícola y el diseño de cultivos frente al cambio climático.