1210 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.
PixelDeck es una aplicación de navegador de código abierto y local-first que agiliza la organización, la deduplicación y la navegación interactiva de grandes colecciones de imágenes y videos biomédicos en hardware estándar mediante una arquitectura modular que incluye importación recursiva, detección de duplicados SHA-256 y procesamiento asíncrono.
El artículo presenta a Tiberius, un predictor de genes ab initio basado en aprendizaje profundo que logra una precisión de vanguardia y tiempos de ejecución significativamente más rápidos en diversos clados eucariotas mediante el entrenamiento de modelos específicos de linaje, abordando eficazmente los cuellos de botella actuales en la anotación de genomas.
Este trabajo adapta el conjunto kallisto-bustools para habilitar un preprocesamiento eficiente, preciso y uniforme de datos de RNA-seq de células individuales bacterianas, abordando los desafíos planteados por los operones y las longitudes cortas de los genes con el fin de establecer una base escalable para la transcriptómica microbiana.
El artículo presenta COSMOS+, un enfoque que integra el análisis de factores de datos multi-ómicos con conocimiento mecanicista previo para modelar la propagación causal de señales y generar hipótesis interpretables sobre los impulsores de enfermedades complejas como la resistencia al cáncer de mama.
Verticall es una herramienta de código abierto que detecta regiones recombinantes en grandes conjuntos de datos genómicos bacterianos (desde cientos hasta miles de genomas) y genera filogenias libres de recombinación con una eficiencia y precisión superiores a las de las herramientas existentes.
El artículo presenta Mievformer, un marco de aprendizaje auto-supervisido basado en Transformers que utiliza enmascaramiento para aprender representaciones microambientales probabilísticas que capturan eficazmente la heterogeneidad celular y sus acoplamientos espaciales en datos de ómica espacial.
Este estudio propone el marco de los "dialectos genómicos" para demostrar que los perfiles de sesgo en el uso de codones, que actúan como "acentos informacionales" específicos de cada especie, están moldeados principalmente por las propiedades fisicoquímicas de los aminoácidos y la clasificación de la segunda base del codón, reflejando compromisos evolutivos entre la fidelidad traduccional y la estabilidad proteica más que una reconstrucción filogenética precisa.
Este artículo presenta *memerna*, un marco de muestreo iterativo determinista que permite un modelado eficiente y escalable del plegamiento cotranscripcional del ARN al enumerar exhaustivamente las estructuras secundarias por energía creciente, superando las limitaciones de los métodos estocásticos actuales y revelando mecanismos cinéticos clave como las trampas cinéticas y los sitios de pausa transcripcional.
SpaceBender es un método de código abierto que mejora las señales biológicas en datos de transcriptómica espacial al eliminar el ruido causado por la difusión de ARN, superando a los métodos actuales y permitiendo revelar conocimientos biológicos ocultos tanto en tejidos como en datos de resolución subcelular.
Este estudio propone un marco de redes de similitud derivadas de tensores para analizar la organización espacial en el cáncer colorrectal, demostrando que la estructura tisular real restringe la conectividad de la red en comparación con configuraciones aleatorias y ofreciendo una metodología cuantitativa para descubrir biomarcadores espaciales y caracterizar la arquitectura tumoral.