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.
Este estudio evalúa el rendimiento de seis llamadores de variantes somáticas en un entorno clínico utilizando datos de secuenciación de amplicones de cobertura alta y tumores sin muestra de referencia, encontrando que FreeBayes, VarScan, MuTect2 y Pisces ofrecen el mejor desempeño en la detección de variantes conocidas.
El artículo presenta IDiom, un modelo de lenguaje autoregresivo entrenado con millones de secuencias de regiones intrínsecamente desordenadas que permite generar nuevas secuencias biológicamente relevantes condicionadas al contexto estructural o de forma independiente, superando las limitaciones de los métodos de diseño anteriores para estas proteínas.
El artículo presenta SimpleFold-Turbo, una técnica de inferencia adaptativa que acelera la predicción de estructuras de proteínas entre 9 y 14 veces al eliminar el 93 % de las evaluaciones redundantes sin comprometer la calidad, sin requerir reentrenamiento y funcionando en hardware convencional.
El estudio concluye que, en ensayos de alto contenido, los efectos de lote irreducibles y las distribuciones sesgadas generan una no repetibilidad inherente que no puede corregirse mediante métodos de regularización o eliminación de valores atípicos, los cuales además pueden ser perjudiciales, sin que esto afecte significativamente los patrones de clasificación.
Este estudio presenta un marco computacional integrador y validado que combina QSAR de meta-ensamble, modelos de lenguaje de proteínas y dinámica molecular para priorizar y estabilizar candidatos a inhibidores de BACE1, identificando compuestos prometedores como Mol-2 con propiedades adecuadas para el tratamiento de la enfermedad de Alzheimer.
El artículo presenta TCMCard, una infraestructura digital de alta confianza que utiliza un marco de integración de evidencia multidimensional para filtrar el ruido en los datos de farmacología de redes y proporcionar una base fiable para comprender la sinergia de los componentes en la medicina tradicional china.
Este estudio presenta una evaluación comparativa de las herramientas OBITools3/ecoPCR, RESCRIPt y MetaCurator para generar y curar bases de datos de referencia del gen *trnL*, demostrando que el rendimiento de clasificación varía según la región específica del marcador y ofreciendo recursos globales actualizados para el metabarcoding de plantas.
El estudio presenta Immunotype, una herramienta de aprendizaje profundo que permite la tipificación directa de alelos HLA a partir de datos de inmunoproteómica, logrando una precisión del 87,2% y facilitando así el desarrollo de inmunoterapias basadas en células T.
Este estudio presenta una evaluación sistemática de seis herramientas para eliminar el ARN ambiental en datos de secuenciación de ARN de células individuales, revelando que scAR y CellClear generan artefactos críticos al distorsionar las matrices de conteo y crear tipos celulares espurios, mientras que CellBender y SoupX demuestran ser opciones más fiables y escalables.
Este artículo presenta un flujo de trabajo de código abierto basado en R y principios estadísticos para analizar datos de imágenes por espectrometría de masas con diseños complejos, destacando la importancia del procesamiento de señales, la agregación de características y la selección adecuada de regiones de interés para detectar analitos diferencialmente abundantes en muestras biológicas.