💻 Category

bioinformatics

1018 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.

💻 bioinformatics

ML4SD: Leveraging Machine Learning and High-Throughput Search Algorithms for an Iterative Growth-Coupled Design Innovation

El artículo presenta ML4SD, un ciclo de aprendizaje activo de Diseño-Construcción-Prueba-Aprendizaje que integra el aprendizaje automático con un nuevo algoritmo de alto rendimiento (gcSwarms) para identificar eficientemente diseños de cepas microbianas acopladas al crecimiento, logrando rendimientos de carbono significativamente más altos con muchas menos iteraciones experimentales que los métodos de búsqueda tradicionales.

Gargantilla Becerra, A., Nogales Enrique, J.2026-09-16
💻 bioinformatics

A Turing-Style Test for In-Silico Antibodies: How Sampling Mode Makes WGAN-GP Beat VAE in the Wet Lab

Este estudio demuestra que, si bien las GAN de Wasserstein superaron a los Autoencodificadores Variacionales en la generación de anticuerpos de novo experimentalmente viables (99% frente al 5% de éxito), esta disparidad fue impulsada primordialmente por la estrategia de muestreo —generación incondicional frente a la siembra latente con anticuerpos conocidos— más que por una superioridad arquitectónica inherente.

Kummer, A., Mahmoudinobar, F., Liu, W., Davis, J. W., Ma, E. J., Kumar, S.2026-09-16
💻 bioinformatics

Uncertainty-Aware Model Selection with a Calibrated Probability-Generating-Function-Based Bayesian Information Criterion

Este artículo introduce una regla de selección de modelos consciente de la incertidumbre para modelos estocásticos de expresión génica que mejora el PGF-BIC convencional mediante la incorporación de un umbral basado en datos, derivado a través de funciones de influencia e la desigualdad de Cantelli, para dar cuenta de la incertidumbre de muestreo y evitar la sobreselección de modelos complejos sin sacrificar la eficiencia computacional.

Wang, Y., Shu, Z., Gao, F., Cao, Z.2026-09-16
💻 bioinformatics

Interpretable Machine Learning Reveals Complementary Age-Related Signatures in the Oral and Gut Microbiome

Al emplear la interpretabilidad basada en SHAP en datos emparejados de los microbiomas oral e intestinal, este estudio revela que, si bien los modelos combinados no superan la precisión predictiva perfecta de los datos intestinales por sí solos para distinguir a los recién nacidos de los adultos, estos descubren firmas biológicas complementarias y no redundantes de la cavidad oral que de otro modo se perderían con las métricas de precisión convencionales.

Ruthbah, C. A., Sadi, T. H., Jahan, N. E. S., Adib, A. N. M. T.2026-09-15
💻 bioinformatics

Hierarchical temporal transformer for cancer grade prediction and cross cancer transfer learning from pathology reports

Este artículo presenta el Transformador Temporal Jerárquico (HTT, por sus siglas en inglés), una arquitectura de dos niveles que aprovecha informes patológicos longitudinales y embebimientos de tipos de cáncer para lograr un estado del arte en la predicción del grado de cáncer y demostrar un aprendizaje de transferencia de cero disparos efectivo hacia tipos de cáncer no vistos sin penalizaciones en el rendimiento.

Brimo, N., Anand, R., Harb, H., Serdaroglu, D. C.2026-09-15
💻 bioinformatics

POME: Graph-based embeddings for partially observed mixed-type data

El artículo presenta POME, un modelo de incrustación basado en grafos y de aprendizaje autosupervisado diseñado para generar representaciones de baja dimensión para datos biomédicos de tipo mixto parcialmente observados, logrando un rendimiento de imputación de vanguardia y permitiendo tareas posteriores efectivas como el descubrimiento de subgrupos de pacientes, el modelado predictivo y la recomendación de terapias.

Woller, F., Arend, L., Kist, A. M., List, M., Rahimi, F., Sirocchi, C., Blumenthal, D. B.2026-09-15
💻 bioinformatics

An interpretable peptide-HLA model emergently learns binding energetics and structure

El artículo presenta LAMINA, un modelo de aprendizaje profundo interpretable que predice con precisión la unión de péptido-HLA mediante la agregación de interacciones de motivos suaves, logrando un rendimiento de vanguardia mientras aprende de forma emergente la energética de unión y las características estructurales únicamente a partir de datos de secuencias.

Chen, S. F., Steele, R. J., Oermann, E. K.2026-09-14
💻 bioinformatics

pydreg: a fast Python package for identifying active cis-regulatory elements from nascent transcription

El artículo presenta pydreg, una reimplementación en Python rápida y mantenible del algoritmo dREG para identificar elementos cis-reguladores activos a partir de la transcripción naciente, la cual reduce significativamente el tiempo de ejecución y el uso de memoria preservando la precisión y la compatibilidad del método original con la infraestructura informática moderna.

He, A. Y., Danko, C. G.2026-09-13
💻 bioinformatics

Matched full-UDG and non-UDG ancient DNA libraries reveal trade-offs in post-mortem damage correction for imputation and kinship inference

Al comparar bibliotecas de ADN antiguo emparejadas con y sin UDG (desaminación de uracilo) de individuos medievales mongoles, este estudio demuestra que, si bien varios métodos computacionales de corrección de daños (recorte, reescalado y enmascaramiento) equilibran de manera diferencial la retención de sitios frente a la reducción de errores, la elección óptima depende del análisis descendente específico, siendo los datos corregidos esenciales para una inferencia de parentesco precisa en las bibliotecas sin UDG.

Ravdandorj, O., Sampildondov, C., Janchiv, K., Gakuhari, T.2026-09-13
💻 bioinformatics

A Framework for Quantifying DNA Methylation Heterogeneity and Detecting Co-methylated loci from Native Nanopore Sequencing

Este artículo presenta un marco escalable integrado en el paquete DMRcaller que aprovecha la secuenciación nativa de Oxford Nanopore para cuantificar la heterogeneidad de la metilación del ADN de molécula única y detectar loci comemetilados, revelando patrones epigenéticos e interacciones regulatorias que quedan ocultos por los análisis tradicionales de promedio a nivel de sitio.

Kim, Y. J., Zabet, N. R.2026-09-13