878 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.
Aunque los modelos fundacionales de célula única exhiben algunos patrones estructurales compartidos en sus incrustaciones de genes, como el enriquecimiento ribosomal, los valores atípicos geométricos son en gran medida específicos de cada modelo y no identifican de manera fiable genes biológicamente importantes o dianas relevantes para enfermedades.
RKMR es un marco escalable y consciente de la incertidumbre que integra el modelado de núcleos no lineales, la selección de variables de tipo spike-and-slab y la dependencia espacial para identificar paneles de marcadores robustos y predictivos a partir de datos de ómica espacial de alta dimensión, superando a los métodos existentes en precisión e interpretabilidad.
El benchmark PG-LLM demuestra que los modelos de lenguaje de propósito general, a pesar de carecer de acceso a datos estructurales o alineamientos de secuencias múltiples, pueden clasificar eficazmente variantes de proteínas y superar a muchos predictores basados en secuencias establecidos, aunque todavía se quedan atrás respecto a las herramientas biomoleculares especializadas.
Este estudio revela que la inferencia de la ascendencia local ante una baja divergencia genética está fundamentalmente limitada por un umbral de viabilidad y la insuficiencia de los datos de referencia actuales más que por la arquitectura del modelo, demostrando que las métricas de precisión por sitio enmascaran fallos estructurales graves y que proporcionar información de haplotipos más rica produce mayores ganancias de rendimiento que las innovaciones arquitectónicas.
Este estudio revela una familia de proteínas con el plegamiento de la GFP, recién descubierta y evolutivamente conservada, que abarca procariotas y eucariotas y que reemplaza el cromóforo fluorescente canónico por una red de carga altamente restringida y enterrada de dos argininas, dos glutamatos y una tirosina, un motivo que también se encuentra de forma convergente en la familia no relacionada DUF2490.
MassGAT es un enfoque de aprendizaje colectivo basado en grafos y de código abierto que integra la detección y anotación de picos para datos de LC-HRMS mediante el modelado de especies iónicas como un grafo y la utilización de una Red de Atención de Grafos para superar a los procesos de procesamiento independientes existentes.
El artículo presenta Boltz2ESI, un marco de extremo a extremo que aprovecha un modelo fundacional biomolecular para predecir interacciones enzima-sustrato mediante el co-plegamiento nativo, capturando así la plasticidad del sitio activo y superando a los métodos existentes para acelerar el descubrimiento de biocatalizadores y la elucidación de vías.
El artículo presenta GraNPA, un método que realiza estudios de asociación tipo GWAS en grafos de variación de pangenomas utilizando solo un pequeño número de individuos para identificar regiones genómicas relacionadas con el fenotipo sin sesgo de referencia ni datos poblacionales adicionales.
DPCGS es un marco computacional novedoso que integra estadísticas de resumen de GWAS con datos de secuenciación de ARN de célula única para lograr un mapeo de alta resolución del riesgo genético hacia subpoblaciones celulares y programas regulatorios específicos, demostrando una precisión superior sobre los métodos existentes y proporcionando nuevos conocimientos sobre los mecanismos celulares de enfermedades complejas como el Alzheimer y el asma.
A través de la ejecución de tres Convocatorias Abiertas y tres Desafíos Públicos entre 2023 y 2025, la iniciativa AI4Life apoyó 22 proyectos de análisis de bioimágenes y reveló que, si bien la adopción del aprendizaje profundo FAIR enfrenta obstáculos significativos de implementación, el principal cuello de botella para la IA científica en biología no reside en el desarrollo de métodos, sino en la disponibilidad de datos, anotaciones e infraestructura compartida.