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

Fast and accurate resolution of ecDNA sequence using Cycle-Extractor

El artículo presenta Cycle-Extractor, una herramienta rápida y precisa basada en programación lineal entera mixta que reconstruye la estructura de ADN extracromosómico (ecDNA) a partir de datos de secuenciación de lecturas cortas y largas, superando en velocidad a métodos existentes y validando experimentalmente su capacidad para recuperar estructuras ecDNA más grandes y completas.

Faizrahnemoon, M., Luebeck, J., Hung, K. L., Rao, S., Prasad, G., Tsz-Lo Wong, I., G. Jones, M., S. Mischel, P., Y. Chan (…)2026-03-13
💻 bioinformatics

BioPipelines: Accessible Computational Protein and Ligand Design for Chemical Biologists

El artículo presenta BioPipelines, un marco de código abierto en Python que simplifica la implementación de flujos de trabajo computacionales para el diseño de proteínas y ligandos, permitiendo a los laboratorios experimentales integrar más de 30 herramientas y escalar sus análisis sin necesidad de conocimientos avanzados en infraestructura informática.

Quargnali, G., Rivera-Fuentes, P.2026-03-13
💻 bioinformatics

SpliceSelectNet: A Hierarchical Transformer-Based Deep Learning Model for Splice Site Prediction

El artículo presenta SpliceSelectNet (SSNet), un modelo de aprendizaje profundo basado en Transformers jerárquicos que logra un rendimiento de vanguardia en la predicción de sitios de empalme y la detección de empalmes aberrantes al capturar eficientemente dependencias de largo alcance en secuencias de ADN de hasta 100 kb, ofreciendo además una interpretabilidad biológica mediante mecanismos de atención.

Miyachi, Y., Nakai, K.2026-03-12
💻 bioinformatics

Fleming: An AI Agent for Antibiotic Discovery in Mycobacterium Tuberculosis

Fleming es un agente de inteligencia artificial integrado que combina modelos discriminativos y generativos para descubrir y optimizar nuevos compuestos candidatos para el tratamiento de la tuberculosis, logrando altas tasas de éxito en la predicción de inhibición in vitro y en el diseño de moléculas con perfiles ADMET favorables.

Wei, Z., Ektefaie, Y., Zhou, A., Negatu, D., Aldridge, B. B., Dick, T. B., Skarlinski, M., White, A., Rodriques, S. G. (…)2026-03-12
💻 bioinformatics

Igniting full-length isoform analysis in single-cell and spatial RNA-seq data with FLAMESv2

FLAMESv2 es un paquete modular y adaptable de R/Bioconductor diseñado para procesar y analizar datos de secuenciación de ARN de lectura larga a nivel de célula única y espacial, permitiendo la caracterización precisa de isoformas, la identificación de tipos celulares y el seguimiento de trayectorias de diferenciación en diversos protocolos experimentales.

Wang, C., Prawer, Y. D. J., Voogd, O., Schuster, J., Pasquali, C., De Paoli-Iseppi, R., Li, A., Hallab, J., Tian, L., Pe (…)2026-03-12
💻 bioinformatics

mnDINO: Accurate and robust segmentation of micronuclei with vision transformer networks

El artículo presenta mnDINO, un modelo basado en redes de transformadores visuales que logra una segmentación precisa y generalizable de micronúcleos en imágenes de tinción de ADN, superando las limitaciones de los métodos actuales y ofreciendo recursos públicos para la investigación en biología de micronúcleos.

Ren, Y., Morlot, L., Andrews, J. O., Thrane Hertz, E. P., Mailand, N., Caicedo, J. C.2026-03-12