💻 Category

bioinformatics

885 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.

💻 bioinformatics

Deconvolution of omics data in Python with Deconomix -- cellular compositions, cell-type specific gene regulation, and background contributions

El artículo presenta Deconomix, una herramienta integral en Python para la desconvolución de datos de transcriptómica en masa que permite inferir composiciones celulares, optimizar pesos génicos mediante aprendizaje automático, estimar contribuciones de fondo y analizar la regulación génica específica por tipo celular, demostrando su eficacia en un estudio de caso sobre cáncer de mama.

Mensching-Buhr, M., Sterr, T., Voelkl, D., Seifert, N., Tauschke, J., Engel, L., Rayford, A., Straume, O., Grellscheid (…)2026-03-24
💻 bioinformatics

A universal model for drug-receptor interactions

Este trabajo presenta un modelo de aprendizaje automático universal que infiere los principios de las interacciones no enlazantes en el espacio fármaco-receptor, permitiendo predecir interacciones con nuevas entidades químicas sin sesgo de memorización y superando así las limitaciones de los enfoques tradicionales de diseño de fármacos.

Menezes, F., Wahida, A., Froehlich, T., Grass, P., Zaucha, J., Napolitano, V., Siebenmorgen, T., Pustelny, K., Barzowska (…)2026-03-24
💻 bioinformatics

FlashDeconv enables atlas-scale, multi-resolution spatial deconvolution via structure-preserving sketching

FlashDeconv es una herramienta de desconvolución espacial que, mediante muestreo por importancia y regularización, permite analizar conjuntos de datos de Visium HD a escala de millones de binos en minutos, revelando nichos celulares y microdominios inflamatorios que serían invisibles o distorsionados por los métodos actuales al reducir la resolución.

Yang, C., Chen, J., Zhang, X.2026-03-24
💻 bioinformatics

PACMON: Pathway-guided Multi-Omics data integration for interpreting large-scale perturbation screens

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.

Qoku, A., Stickel, T., Amerifar, S., Wolf, S., Oellerich, T., Buettner, F.2026-03-24
💻 bioinformatics

From SNPs to Pathways: A genome-wide benchmark of annotation discrepancies and their impact on protein- and pathway-level inference

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.

Queme, B., Muruganujan, A., Ebert, D., Mushayahama, T., Gauderman, W. J., Mi, H.2026-03-24
💻 bioinformatics

Micro16S: Universal Phylogenetic 16S rRNA Gene Representations for Deep Learning of the Microbiome

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.

Bishop, H. V., Ogilvie, O. J., Dobson, R. C. J., Herbold, C. W.2026-03-24