1243 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 artículo presenta dos métodos implementados en el software MAPLE que mejoran la precisión de la inferencia filogenética de máxima verosimilitud al incorporar la abundancia de linajes, priorizando la asignación de secuencias a cepas comunes ("caballos") en lugar de raras ("cebras"), lo que reduce significativamente la incertidumbre en datos de escala pandémica como los del SARS-CoV-2.
Este artículo presenta un método que enriquece el análisis de datos de scRNA-seq mediante el entrenamiento conjunto de modelos de lenguaje preentrenados con información cuantitativa y literatura biomédica, generando representaciones interpretables que mejoran la funcionalidad, las asociaciones de enfermedades y el seguimiento de trayectorias temporales.
Seqwin es un marco de código abierto que automatiza el descubrimiento de secuencias firma microbianas mediante grafos de minimizadores de pan-genoma ponderados, permitiendo una identificación rápida y precisa de patógenos a partir de grandes colecciones de genomas.
El artículo presenta Amaranth, un nuevo ensamblador de transcriptoma de células individuales que mejora la precisión en la reconstrucción de isoformas mediante un modelado discriminativo de las diferencias estadísticas y biológicas entre lecturas UMI y lecturas internas, superando a los métodos actuales en conjuntos de datos Smart-seq3.
El artículo presenta PerturbGraph, un marco de aprendizaje gráfico que integra redes de interacción biológica y anotaciones funcionales para predecir con mayor precisión las respuestas transcripcionales de perturbaciones genéticas no observadas, superando a los modelos de aprendizaje automático existentes.
Nextstrain es una plataforma automatizada que ofrece vigilancia genómica en tiempo real para múltiples patógenos, utilizando datos abiertos para realizar análisis filodinámicos actualizados diariamente y facilitar intervenciones de salud pública más efectivas.
Este estudio demuestra que los modelos de difusión discreta escalados con transformadores de grafos pueden aprender implícitamente las restricciones estructurales de las filogenias tumorales a partir de datos sintéticos, logrando una alta validez estructural y generalización entre distintos regímenes evolutivos, aunque la relación entre la capacidad del modelo y el rendimiento no es monótona.
Este estudio reevalúa los datos públicos de una comparación previa entre PELSA y LiP-MS, concluyendo que la supuesta superioridad cuantitativa de PELSA se debe a condiciones experimentales no coincidentes y a una imputación de datos no divulgada, lo que obliga a tratar con cautela las afirmaciones sobre su ventaja metodológica.
El artículo presenta FoundedPBI, un enfoque de aprendizaje profundo en conjunto que aprovecha modelos fundacionales genómicos y estrategias de agregación de contexto largo para predecir interacciones entre fagos y bacterias con mayor precisión que los métodos actuales, superando las limitaciones de las ventanas de contexto y mejorando la escalabilidad de la terapia con fagos.
Este artículo presenta GraphHDBSCAN*, un método de agrupamiento jerárquico basado en grafos y libre de hiperparámetros diseñado para identificar poblaciones celulares biológicamente significativas y su organización jerárquica en datos de secuenciación de ARN de células individuales de alta dimensión, superando a los enfoques actuales que se limitan a particiones planas.