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.
DeepTrio es un modelo de aprendizaje profundo que mejora la precisión en la detección de variantes genéticas en trios familiares (padre, madre e hijo) al aprender directamente de los datos de secuenciación sin priores de herencia explícitos, superando a DeepVariant tanto en datos Illumina como PacBio HiFi.
Este estudio demuestra que optimizar los pesos de los conjuntos de modelos de predicción genómica en maíz mediante tres enfoques distintos mejora el rendimiento predictivo en comparación con los promedios simples, aunque ninguno de los métodos propuestos mostró una superioridad clara sobre los demás.
El artículo presenta el GPCT, un modelo transformador preentrenado e interpretable diseñado para superar las limitaciones de variabilidad de marcadores en la citometría de flujo, permitiendo una modelización predictiva escalable a nivel de muestra y la validación biológica de patrones aprendidos.
El artículo presenta DESPOT, un nuevo marco de potenciales de conocimiento anisotrópico que supera a los métodos isotrópicos tradicionales al modelar las preferencias direccionales en las interacciones proteína-ligando mediante una formulación probabilística invertida, logrando así un rendimiento superior en la discriminación de poses y el cribado virtual.
El artículo presenta TRACE, un marco multimodal que utiliza alineación contrastiva para estabilizar la predicción de unión TCR-péptido y evitar que las estructuras derivadas de modelos imperfectos degraden el rendimiento, demostrando que la forma en que se integran las modalidades es más crítica que su mera adición.
Este estudio presenta MAPPER, un marco escalable que integra datos multimodales para predecir con precisión el modo de acción de antibióticos en *Escherichia coli* y detectar compuestos con mecanismos novedosos, facilitando así la priorización de candidatos terapéuticos.
El artículo presenta EMITS, una herramienta basada en Rust que utiliza el algoritmo de esperanza-maximización para mejorar la estimación de abundancia de especies fúngicas a partir de secuencias ITS de lectura larga, resolviendo ambigüedades de asignación y reduciendo significativamente los errores en comparación con los métodos de clasificación tradicionales.
Este estudio demuestra que los modelos de aprendizaje automático híbridos y clásicos basados en características k-mer TF-IDF superan a los métodos de aprendizaje profundo en la clasificación de variantes genómicas de SARS-CoV-2, ofreciendo una solución robusta e interpretable para la detección de variantes raras en conjuntos de datos altamente desbalanceados.
Este estudio demuestra que, aunque las estimaciones de heredabilidad SNP varían significativamente según la estrategia de cálculo utilizada, esta variabilidad upstream tiene un impacto débil y no significativo en el rendimiento downstream de las puntuaciones de riesgo poligénico.
Los autores desarrollan un nuevo modelo matemático que integra datos de bioensayos de dosis de intensidad para cuantificar la heterogeneidad de la resistencia a insecticidas en poblaciones de mosquitos y predecir con mayor precisión la eficacia de las mosquiteras tratadas, superando las limitaciones de los ensayos tradicionales de dosis discriminatoria.