1209 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.
WitChi es una herramienta computacionalmente eficiente que utiliza pruebas de chi-cuadrado empíricas para detectar y podar iterativamente sitios composicionalmente sesgados de alineamientos filogenómicos a gran escala, restaurando así topologías filogenéticas precisas sin el alto costo computacional de los modelos complejos conscientes de la composición.
Este estudio demuestra que AlphaFold2 y ColabFold exhiben una tasa de falsos positivos muy baja al predecir estructuras para secuencias no proteicas, revelando fortuitamente que algunas predicciones con puntuaciones altas en regiones genómicas humanas no codificantes corresponden a pseudogenes no anotados previamente, lo que sugiere posibles errores en las anotaciones génicas existentes y valida la utilidad de las predicciones estructurales de alta puntuación para investigaciones posteriores.
ADMETron es una plataforma SaaS impulsada por IA que integra incrustaciones moleculares derivadas de redes neuronales recurrentes (RNN) con máquinas de potenciación del gradiente para predecir 34 parámetros y características de ADMET, y cuenta con una herramienta de visualización de gráficos de radar interactiva, lo que permite una priorización de compuestos de alto rendimiento y una toma de decisiones basada en datos en el descubrimiento de fármacos.
MoE-Bind introduce la primera arquitectura de Mezcla de Expertos dispersa para la generación de unión de proteínas de novo, logrando un diseño basado únicamente en secuencias más rápido, eficiente e interpretable que iguala o supera a las bases densas sin requerir información estructural previa.
Este artículo presenta Latent Event Mapping (LEMING), una técnica de modelado no supervisado, escalable e interpretable que reconstruye trayectorias a nivel de vóxel de cambios neuroimágenes multimodales en la enfermedad de Alzheimer, revelando nuevos conocimientos sobre mecanismos dependientes de la progresión, como la asociación en etapa tardía entre la densidad de los receptores de acetilcolina y la patología amiloide.
El artículo presenta STITCH, un método interpretable basado en el análisis de componentes principales tangenciales en una variedad de forma de Kendall que vincula eficazmente la morfología celular independiente del tamaño con la expresión génica en la transcriptómica espacial, superando a los enfoques existentes de aprendizaje profundo en la identificación de relaciones biológicamente relevantes entre la forma y el transcriptoma a través de diversos conjuntos de datos.
Este estudio introduce un marco de predicción conforme dividida aplicado a la cohorte BeatAML 2.0 que genera con éxito intervalos de incertidumbre estadísticamente calibrados para las predicciones de sensibilidad a fármacos a nivel de paciente, revelando patrones de incertidumbre distintos a través de las clases de fármacos al tiempo que demuestra que dicha incertidumbre es independiente de las clasificaciones de riesgo molecular estándar.
El artículo presenta scCRAFT+, un modelo de integración de scRNA-seq semisupervisado y robusto que aprovecha el Entrenamiento Adversario Virtual para incorporar información de genes marcadores, superando así las limitaciones de los métodos existentes en la preservación de las distinciones de subtipos celulares de grano fino y mejorando la precisión de la anotación incluso con conjuntos de marcadores ruidosos o incompletos.
Pillbox es un predictor de modelo fundacional auditado para fugas que integra CpGPT, CLAMP y embebimientos de expresión génica mediante atención de grafos condicionada por FiLM para lograr una alta precisión en la predicción de la respuesta a fármacos contra el cáncer, mientras utiliza la correlación residual entre arquitecturas para diagnosticar la saturación de apilamiento de características y confirmar que el linaje de tejido sigue siendo el factor dominante en la respuesta a los fármacos.
Este artículo presenta GermRL, un marco de aprendizaje por refuerzo ligero que alivia eficazmente el sesgo de la línea germinal en los modelos de lenguaje de anticuerpos autorregresivos, permitiendo la generación en una sola etapa de candidatos a anticuerpos diversos y estructuralmente plausibles con altos umbrales de mutación a partir de secuencias de la línea germinal para el descubrimiento terapéutico.