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 RNAElectra, un modelo fundacional de ARN basado en la detección de tokens reemplazados (RTD) que supera a los enfoques tradicionales de modelado de lenguaje enmascarado al ofrecer representaciones de alta resolución y una generalización superior en diversas tareas de inferencia regulatoria, estructura y diseño de ARN.
El artículo presenta ATOMICA, un modelo de aprendizaje profundo geométrico que genera representaciones universales de interfaces intermoleculares a través de cinco modalidades, logrando un rendimiento superior en diversas tareas de clasificación y permitiendo la predicción experimentalmente validada de ligandos para proteínas oscuras.
Este estudio integra y analiza a escala metagenómica más de 820 millones de estructuras proteicas predichas mediante AlphaFold2 y ESMfold, revelando millones de agrupaciones estructurales, 12 nuevos pliegues de dominios y miles de combinaciones de dominios inéditas que destacan la importancia de los datos metagenómicos para explorar la diversidad estructural de las proteínas.
El artículo presenta BiOS, un marco de código abierto y modular que integra datos heterogéneos de biodiversidad mediante una arquitectura desacoplada y principios FAIR, ofreciendo tanto una API robusta para desarrolladores como una interfaz web intuitiva para facilitar la investigación y la conservación colaborativa.
El artículo presenta SC-BIG, un modelo bayesiano jerárquico que utiliza datos de secuenciación masiva para mejorar la detección de variantes nucleotídicas en células individuales, superando a los métodos existentes al estimar conjuntamente la fracción celular del cáncer y proporcionar probabilidades posteriores bien calibradas para el análisis de la heterogeneidad tumoral.
Este estudio presenta un exhaustivo marco de referencia modular que evalúa 26 métodos de detección de dominios espaciales en datos reales y semisintéticos, revelando que la resolución, la heterogeneidad celular y las decisiones de preprocesamiento son factores determinantes para el rendimiento, superando a menudo la novedad arquitectural de los modelos.
Este artículo presenta ITEC, un método no supervisado de alta fidelidad que reconstruye automáticamente y con gran precisión las linajes celulares y mapas de destino de embriones completos a partir de datos masivos, permitiendo el análisis detallado de la dinámica del desarrollo en múltiples especies.
El estudio presenta scPloidyR, un modelo oculto de Markov que mejora la detección de variaciones en el número de copias en células individuales mediante la integración conjunta de la profundidad de lectura y la frecuencia de alelos B en paneles de secuenciación dirigida, demostrando una superioridad significativa sobre los métodos basados solo en profundidad cuando la información alélica está disponible.
Este artículo presenta un marco de simulación para evaluar políticas de RL en la administración de antibióticos, demostrando que los agentes jerárquicos con estratificación de riesgo son superiores para optimizar la prescripción y controlar la resistencia antimicrobiana en entornos complejos con observaciones parciales y retroalimentación diferida.
Este trabajo aplica la predicción conformal a la recuperación de moléculas a partir de espectros de masas para generar conjuntos de candidatos específicos de cada espectro con una probabilidad de cobertura garantizada, mejorando la fiabilidad y adaptabilidad de las identificaciones tanto en distribuciones alineadas como bajo desplazamiento de datos.