895 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.
OmicClaw es un marco de análisis multi-ómico ejecutable mediante lenguaje natural que, al integrarse con el ecosistema unificado OmicVerse y el runtime J.A.R.V.I.S., transforma las solicitudes de los usuarios en flujos de trabajo reproducibles y trazables para superar la fragmentación actual en la investigación biológica.
Este estudio presenta un modelo matemático basado en ecuaciones diferenciales que demuestra cómo la heterogeneidad fenotípica y la competencia por recursos impulsan la evolución dinámica de las tasas de proliferación en tumores, revelando que diferentes estrategias terapéuticas pueden seleccionar inadvertidamente clones de crecimiento rápido o lento, lo que subraya la necesidad de diseñar tratamientos que anticipen estas respuestas adaptativas.
El artículo presenta 3D-Manhattan, una herramienta interactiva basada en navegador que integra múltiples resultados de estudios de asociación del genoma completo (GWAS) en un sistema de coordenadas tridimensional para facilitar la comparación visual simultánea de señales genéticas a través de diferentes tiempos, rasgos o condiciones experimentales.
Este estudio presenta un enfoque integrado de inteligencia artificial y química cuántica para el diseño racional de "Solres", un nuevo agente antibacteriano dirigido contra proteínas de virulencia clave de *Ralstonia solanacearum* que demuestra propiedades prometedoras para combatir la resistencia antimicrobiana en la agricultura.
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.