774 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 PACMON, un modelo bayesiano escalable e interpretable que integra datos multi-ómicos de grandes pantallas de perturbación para inferir programas de vías biológicas y cuantificar cómo las perturbaciones los modulan, demostrando su eficacia en datos sintéticos, experimentos de células de melanoma y el atlas de perturbaciones Tahoe-100M.
El artículo presenta TCRseek, un marco de búsqueda escalable que combina incrustaciones de k-mers en ventanas con indexado de vecinos más cercanos aproximados y una reordenación precisa para permitir búsquedas eficientes y sensibles en grandes repertorios de receptores de células T.
Este estudio demuestra que la variabilidad en la anotación de SNPs entre diferentes herramientas y modelos genómicos afecta significativamente la inferencia a nivel de proteínas y vías, recomendando el uso de una estrategia integrada multi-herramienta y multi-modelo para garantizar una cobertura completa y resultados de análisis de vías más robustos.
dreampy es una implementación nativa en Python del marco R dreamlet que realiza análisis de expresión diferencial pseudobulk para datos de RNA-seq de células individuales, integrando modelos lineales mixtos ponderados por voom y moderación empírica de Bayes dentro del ecosistema scverse.
El artículo presenta Micro16S, un enfoque de aprendizaje profundo que genera representaciones vectoriales continuas de genes 16S rRNA basadas en relaciones filogenéticas para lograr una invarianza regional y agrupación taxonómica superiores, aunque los resultados en tareas de clasificación indican que se requiere optimizar el diseño de algoritmos y abordar el desequilibrio de clases para superar a los métodos tradicionales.
ExposoGraph es una plataforma interactiva que integra datos de exposiciones carcinógenas, vías metabólicas de activación y desintoxicación, daño al ADN y anotaciones genéticas en un único marco de visualización para facilitar la evaluación de las interacciones gen-ambiente en el riesgo de cáncer.
Un solo agente de IA logró una equivalencia estadística con los datos extraídos por humanos en cinco conjuntos de datos agrícolas, demostrando que la alineación impulsada por LLM resuelve los errores de emparejamiento y reduce drásticamente los costos de extracción sin comprometer la precisión.
El artículo presenta REGEN, un marco basado en Redes Neuronales de Grafos que reconstruye simultáneamente redes de interacción génica y predice el estado vital de pacientes a partir de datos de expresión génica en lotes, superando a los modelos de referencia y ofreciendo directrices prácticas para su aplicación en transcriptómica.
EvoMut es un marco computacional que integra características estructurales, químicas, funcionales y evolutivas para identificar residuos de proteínas susceptibles a la oxidación y evaluar su viabilidad de mutación, facilitando así el diseño racional de proteínas con mayor estabilidad oxidativa.
Los autores presentan un marco de referencia armonizado y consciente de la implementación que evalúa 46 herramientas de puntuación de riesgo poligénico, demostrando que su rendimiento depende tanto de la metodología estadística como de la arquitectura del fenotipo, las opciones de preprocesamiento y las limitaciones prácticas de implementación, sin que exista un método universalmente óptimo.