1205 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 antigen-prime, un simulador epidémico de tiempo hacia adelante que vincula secuencias genéticas con fenotipos antigénicos bajo selección de hospedadores para generar datos de verdad de terreno para la evaluación de métodos de asignación de variantes de influenza y estimación de tasas de crecimiento, revelando tanto su precisión como sus modos de falla específicos.
Este estudio revela que la priorización de genes basada en el grado estándar pasa por alto sistemáticamente los genes conectores no centrales esenciales para coordinar procesos biológicos, y propone EDVS, una medida de centralidad de teoría de la información sin partición que recupera con éxito estos genes omitidos sin depender de anotaciones funcionales o de la detección de comunidades.
SVlog es un marco de programación lógica declarativa y transparente construido sobre Souffle que permite el análisis, la anotación y la priorización rápidos, deterministas y explicables de variantes estructurales para la curación de enfermedades clínicas mediante la conversión de datos genómicos en hechos relacionales y la aplicación de reglas lógicas composibles.
Este artículo propone un marco comparativo *in silico* que demuestra que, si bien las redes de señalización de estrés mitocondrial en plantas y humanos han divergido en complejidad, comparten principios organizativos fundamentales, lo que sugiere que los sistemas vegetales más simples y orientados a la resiliencia pueden servir como un modelo conceptual para generar hipótesis contrastables sobre la vulnerabilidad a enfermedades mitocondriales en humanos.
El artículo presenta arteMIS, un marco sistemático que optimiza los parámetros de redes moleculares mediante la evaluación de múltiples métricas y el Muestreo de Hipercubo Latino para superar las limitaciones de los ajustes predeterminados, produciendo así redes más robustas, químicamente significativas y estables a través de diversos conjuntos de datos y métodos de puntuación.
Este artículo presenta un nuevo plugin de PyMOL que integra diversas metodologías de Topología de Circuitos con una interfaz intuitiva y un entorno reproducible para analizar la topología de proteínas tanto estructuradas como desordenadas.
Este artículo presenta SPIRAL, un marco de autocodificador disperso que decodifica con éxito los estados ocultos del modelo de lenguaje de ARN BiRNA-BERT en características interpretables y alineadas con los nucleótidos que representan la estructura secundaria y los tipos de familias de ARN, mejorando así el rendimiento de la predicción descendente a pesar de los desafíos de la tokenización de pares de bytes.
Este artículo presenta scDblFinderPy, una implementación en Python de la herramienta de detección de dobletes scDblFinder basada en R que replica su alto rendimiento al añadir soporte opcional para GPU para acelerar el procesamiento de datos de secuenciación de célula única a gran escala.
SPARKLE es un método computacional rápido y sin referencia que corrige la fuga local de ARN en la transcriptómica espacial de alta resolución aprovechando la evidencia dentro de la muestra fuera de la máscara para estimar y eliminar señales ectópicas, mejorando así la localización de los tipos celulares y la fiabilidad del análisis descendente.
Este estudio introduce un novedoso conjunto de redes convolucionales de grafos relacionales (RGCN) de fusión tardía que integra datos de ARN endógeno competidor (ceRNA) y de variación en el número de copias (CNV) para identificar cinco biomarcadores pronósticos, incluyendo hsa-miR-196a y hsa-miR-224, para mejorar la predicción de la supervivencia y el direccionamiento terapéutico en el glioblastoma.