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 OmniCleave, un marco de aprendizaje geométrico en grafos consciente de la estructura que modela con precisión y a gran escala la especificidad proteasa-sustrato al integrar información estructural y topológica, superando a los métodos existentes y validando experimentalmente nuevas predicciones biológicas.
Los autores presentan un modelo computacional general que cuantifica la inestabilidad de repeticiones en tándem a nivel genómico utilizando datos de secuenciación de lectura larga, demostrando que la composición de la repetición es un factor determinante más fuerte que su longitud y permitiendo detectar mosaicismos significativos en alelos expandidos.
El artículo presenta BrightEyes-FFS, una plataforma de código abierto basada en Python que facilita el análisis integral de datos de espectroscopía de fluctuación de fluorescencia obtenidos con matrices de detectores pequeños, ofreciendo herramientas para el procesamiento, ajuste de modelos y una interfaz gráfica amigable.
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.
TopicVI es un modelo profundo interpretable que integra conocimiento biológico previo con refinamiento basado en datos para descubrir programas génicos específicos del contexto en datos de transcriptómica de células individuales y espaciales, superando a los métodos existentes en la identificación de estados celulares raros y la elucidación de mecanismos terapéuticos en enfermedades complejas como el glioblastoma.
Este artículo presenta dos extensiones del Análisis de Componentes Principales Contrastivo (k-ρPCA y f-ρPCA) que unifican los métodos espaciales y funcionales bajo un marco matemático común para maximizar la varianza en datos de expresión génica mientras minimizan la del fondo, demostrando su utilidad en estudios de cáncer y respuesta inmune.
El artículo presenta DIANA, una red neuronal de aprendizaje profundo que predice con precisión metadatos clave de muestras de ADN antiguo a partir de abundancias de unitigs, ofreciendo una herramienta robusta para la validación de datos y la generalización semántica en metagenómica antigua.
Este estudio integra mapas de interacciones proteína-proteína humano-virus con contactos residuales para revelar que las presiones selectivas positivas y negativas en las proteínas huésped objetivo de virus presentan paisajes espaciales divergentes, donde la selección positiva tiende a agruparse en interfaces compartidas con socios endógenos (mimetizadas), mientras que la selección negativa se dispersa, lo que sugiere que estas interfaces actúan como puntos focales de evolución adaptativa.
El artículo presenta CoPhaser, un algoritmo basado en autoencoders variacionales que descompone los datos de scRNA-seq en trayectorias periódicas y variabilidad no periódica, permitiendo el análisis interpretable de ciclos biológicos como el celular, circadiano y de segmentación en diversos contextos fisiológicos y patológicos.
Este estudio revela que el ensamblaje de complejos proteicos en AlphaFold depende principalmente de la geometría estructural de los monómeros y la complementariedad de interfaces, en lugar de la coevolución interproteica, identificando la plasticidad estructural en las interfaces inmunes como el principal obstáculo para mejorar la predicción de complejos antígeno-anticuerpo.