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 trabajo presenta un enfoque de aprendizaje profundo basado en redes neuronales convolucionales que, utilizando secuencias del genoma humano (GRCh38) y vectorización TFxIDF, logra identificar secuencias de ADN para la predicción de genes con un rendimiento que supera el estado del arte.
Este estudio evalúa rigurosamente siete metodologías de vanguardia para la eliminación de ARN ambiental en datos de secuenciación de ARN de células individuales, concluyendo que aunque ningún método es superior en todos los casos, CellBender, DecontX y SoupX ofrecen un rendimiento general destacado.
Los autores desarrollaron un servidor del Protocolo de Contexto de Modelo (MCP) para DGIdb que permite a los modelos de lenguaje grandes acceder a información actualizada sobre interacciones fármaco-gen mediante consultas en lenguaje natural, mejorando así su capacidad para responder preguntas precisas en el ámbito biomédico.
Este estudio presenta un autoencoder con prior no paramétrico de Proceso de Dirichlet que, al optimizar la estructura geométrica de los datos de transcriptómica de células individuales a costa de una ligera reducción en la recuperación de etiquetas, define un régimen operativo adaptado para tareas de análisis de trayectorias, visualización de variedades y anotación de programas biológicos.
El artículo presenta Topic-FM, una familia de VAEs neuronales que, al restringir el espacio latente al simplex mediante una prior logística-normal y refinar la geometría posterior con un campo de flujo de transporte óptimo, logra simultáneamente una mayor interpretabilidad biológica de los programas génicos y mejoras significativas en las métricas de agrupamiento y clasificación en comparación con los métodos existentes.
Este estudio identifica firmas metabólicas en suero, incluyendo carnitinas, derivados dietéticos como la piperina y metabolitos de fármacos, que se asocian con la resiliencia cognitiva en un cohorte de 237 individuos que envejecen durante 28 años.
Este estudio demuestra que la localización subcelular es un determinante clave de la detectabilidad de proteínas en el cáncer, mejorando significativamente la predicción basada en ARN y revelando una discordancia sistemática entre transcritos y proteínas en vías metabólicas y reguladoras.
El artículo presenta CROWN, un nuevo conjunto de datos de 153.005 complejos proteína-ligando curado y optimizado mediante un pipeline automatizado que equilibra la cobertura masiva con el control de calidad riguroso, ofreciendo un recurso superior para el entrenamiento de modelos de aprendizaje automático en interacciones moleculares sin depender de afinidades de unión externas.
Este trabajo presenta Claw4Science, una plataforma y el primer conjunto de datos curado que unifica y analiza el ecosistema fragmentado de agentes científicos OpenClaw, facilitando la exploración de sus herramientas y estableciendo una base para futuros estándares en la computación científica con IA.
Este estudio propone y evalúa estrategias de robustificación para los Bosques Aleatorios en la predicción genómica, demostrando que las transformaciones de datos, especialmente las basadas en rangos, son la opción más efectiva para mitigar el impacto de la contaminación en los datos y recuperar señales predictivas latentes en contextos de cría animal y vegetal.