1244 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 estudio presenta DOTSeq, un marco estadístico que permite la detección a escala genómica de la regulación de la traducción a nivel de ORF mediante el análisis de perfiles de ribosomas, superando las limitaciones de los métodos actuales que solo consideran cambios a nivel de gen.
Este artículo presenta una definición estandarizada y validada mediante un proceso de revisión de partes interesadas para identificar "secuencias de preocupación" en la síntesis de ácidos nucleicos, logrando reducir significativamente las discrepancias en la clasificación de patógenos y toxinas y sentando las bases para futuras normas de bioseguridad.
Este estudio demuestra que, aunque los métodos estadísticos clásicos como la prueba t y la de Wilcoxon ofrecen inferencias fiables, muchas herramientas ampliamente utilizadas para el análisis de abundancia diferencial en microbiomas (incluyendo DESeq2, edgeR, ALDEx2 y ANCOM-BC2) producen valores p sesgados bajo la hipótesis nula, lo que subraya la necesidad de una selección cuidadosa de métodos para evitar interpretaciones biológicas erróneas.
Este trabajo presenta un marco generativo de flujo de matching que, al reducir las secuencias de aminoácidos a elementos de estructura secundaria, predice en milisegundos los mapas de contacto y la topología de las proteínas con alta precisión, permitiendo identificar núcleos de plegamiento estables y explorar la relación genotipo-fenotipo a gran escala.
El artículo presenta usiGrabber, un marco escalable que automatiza la extracción y curación de datos de espectrometría de masas a gran escala para habilitar su uso en sistemas de aprendizaje automático, demostrando su eficacia al construir un conjunto de datos de fosforilación de 11 millones de espectros en menos de dos días.
El artículo presenta DeSCENT, un marco que mejora el análisis de supervivencia del cáncer al reconstruir perfiles de ARN de células individuales a partir de datos de ARN de tejido completo mediante algoritmos de desconvolución, permitiendo así un análisis multimodal que supera a los modelos tradicionales.
El artículo presenta Ryder, un paquete de Python que normaliza datos epigenómicos mediante un modelo de dos niveles y regiones de referencia internas estables para corregir la variabilidad técnica y mejorar la detección de cambios biológicos genuinos en diversas pruebas sin depender necesariamente de controles externos.
El artículo presenta HKS, una estructura de datos basada en la Transformada de Burrows-Wheeler Espectral que permite la anotación exacta y sin pérdidas de características genómicas mediante consultas de longitud variable en una sola jerarquía, resolviendo ambigüedades de coincidencia múltiple y mejorando la precisión mediante un algoritmo de suavizado contextual.
El sistema HARVEST utiliza agentes de IA para extraer automáticamente millones de registros de bioactividad "oscuros" de patentes farmacéuticas, revelando datos inéditos que exponen las limitaciones actuales de los modelos predictivos en nuevos andamios químicos y dianas proteicas.
El artículo presenta PREMISE, un marco probabilístico de alta resolución desarrollado en Rust que supera a los métodos basados en k-mers al identificar con precisión cepas virales, estimar abundancias relativas y detectar coinfecciones o reordenamientos genéticos en virus de la influenza mediante un algoritmo de maximización de expectativas sensible a la calidad de los datos.