775 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 DeepEST, un marco de aprendizaje profundo multimodal que integra datos de expresión génica, localización y estructura proteica para predecir con mayor precisión la función de proteínas bacterianas mediante la asignación de términos de Ontología Génica, superando a los métodos existentes y facilitando la caracterización de proteínas hipotéticas en patógenos humanos.
Este estudio demuestra que omitir las interacciones epistáticas en los modelos lineales de los estudios de asociación del genoma completo (GWAS) puede generar un sesgo que infla las estadísticas de prueba, produciendo falsos positivos y advirtiendo sobre la necesidad de cautela al interpretar los resultados significativos reportados en la literatura.
STELAR-X es un nuevo algoritmo de inferencia filogenética basado en el modelo coalescente que, mediante una reingeniería de estructuras de datos y el uso de paralelismo GPU, permite analizar conjuntos de datos masivos de hasta 100.000 especies de manera estadísticamente consistente, superando drásticamente en velocidad y eficiencia de memoria a los métodos existentes como ASTRAL.
Protenix-v1 es el primer modelo de código abierto que supera el rendimiento de AlphaFold3 en la predicción de estructuras biomoleculares, ofreciendo mejoras mediante la escalabilidad en la inferencia, soporte para plantillas de proteínas y ARN, y un conjunto de datos actualizado, todo ello respaldado por nuevas herramientas de evaluación más transparentes.
Este estudio demuestra que la inflamación del huésped actúa como una presión selectiva que reestructura el microbioma oral, desplazando a las bacterias comensales que utilizan carbohidratos hacia comunidades de patobiontes especializados en metabolismo catabólico y fermentación de aminoácidos, lo que sugiere nuevas estrategias terapéuticas para restaurar la estabilidad ecológica.
Este estudio demuestra que, a niveles de discordancia comparables, el error de estimación del árbol génico (GTEE) afecta negativamente la inferencia del árbol de especies más que la clasificación incompleta de linajes (ILS), ya que el primero genera ruido uniforme de alta entropía mientras que el segundo produce un sesgo estructurado y restringido.
Folddisco es una herramienta de software libre que acelera y optimiza la búsqueda de motivos estructurales en grandes colecciones de proteínas mediante un índice compacto basado en características geométricas independientes de la posición, superando significativamente a los métodos existentes en velocidad y eficiencia de almacenamiento.
Este artículo presenta un marco formal para derivar bloques de sintenia directamente a partir de datos de secuencia mediante la partición de elementos genómicos sin romperlos, demostrando que, aunque los problemas de optimización generales son NP-duros, es posible obtener una solución óptima en tiempo lineal bajo restricciones de colinealidad y elementos compartidos.
ProteoMapper es un marco computacional que integra la anotación de dominios con la detección de motivos para cuantificar sus relaciones espaciales y de conservación evolutiva en familias de proteínas, facilitando el análisis de restricciones funcionales y la predicción de efectos de variantes sin requerir programación.
Este estudio presenta un nuevo enfoque basado en redes neuronales bayesianas esparsas (Q-FSNet y Q-DirichNet) que, aplicado a datos del Estudio Longitudinal Canadiense sobre el Envejecimiento, identifica metabolitos con rangos óptimos de homeostasis ("puntos dulces") para minimizar la aceleración de la edad biológica, ofreciendo una herramienta escalable y interpretable para la medicina de precisión.