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.
Este artículo presenta el algoritmo Trivial Tangle Traverser (TTT), que automatiza la resolución de nudos en gráficos de ensamblaje genómico mediante un proceso de dos etapas basado en la profundidad de cobertura y la alineación de lecturas, permitiendo cerrar brechas y caracterizar regiones repetitivas complejas sin necesidad de curación manual.
Este estudio presenta un análisis *in silico* que identifica los dominios de la proteína titina humana (especialmente el dominio Ig-like) como candidatos prometedores para la estimación del intervalo postmortem (PMI) en investigación forense, estableciendo una base computacional para futuras validaciones experimentales.
Este artículo presenta DIA-NN EasyFilter, un flujo de trabajo basado en KNIME que permite a los usuarios sin conocimientos de programación filtrar, evaluar y visualizar de manera rápida y sencilla los resultados de análisis proteómicos DIA generados por DIA-NN.
NanoVI es una nueva tubería de Nextflow que utiliza inferencia variacional bayesiana para realizar una clasificación taxonómica a nivel de especie de lecturas completas de 16S rRNA de Oxford Nanopore, ofreciendo estimaciones de abundancia con intervalos de credibilidad y una mayor eficiencia computacional en comparación con herramientas existentes.
PhosSight es un marco unificado de aprendizaje profundo que mejora la identificación y acelera el análisis de la fosfoproteómica mediante el uso de características fisicoquímicas específicas para optimizar tanto la adquisición dependiente de datos (DDA) como la independiente (DIA), lo que permite descubrir nuevos objetivos oncológicos como MARK2 en el cáncer de endometrio.
El artículo presenta FAMUS, un marco de aprendizaje contrastivo de pocos ejemplos que mejora la anotación funcional de proteínas a gran escala al utilizar puntuaciones de similitud completas en lugar de los mejores resultados individuales, superando a herramientas existentes como KofamScan e InterProScan y ofreciendo modelos accesibles para diversas bases de datos de familias proteicas.
Este estudio presenta SCL2205, un conjunto de datos de alta calidad y libre acceso derivado de UniProtKB que, mediante un riguroso preprocesamiento y partición para minimizar la fuga de datos, permite mejorar significativamente el rendimiento de los modelos de aprendizaje profundo para la predicción de la localización subcelular de proteínas en comparación con los métodos actuales.
Este estudio demuestra mediante simulaciones de dinámica molecular que la fosforilación de un epítopo derivado de ASXL2 remodela las interacciones no enlazantes y aumenta la flexibilidad conformacional del complejo péptido-HLA, mejorando su afinidad de unión y proporcionando una base estructural para el desarrollo de inmunoterapias dirigidas a epítopos tumorales modificados.
El artículo presenta STAR Suite, una modernización impulsada por IA que integra funciones de transcriptómica directamente en el código fuente de C++ de STAR para eliminar la dependencia de archivos intermedios y permitir un procesamiento escalable y eficiente dentro del consorcio NIH MorPhiC.
Este estudio demuestra que el enfoque de predicción genómica basado en conjuntos (ensemble) mediante la tubería EasiGP mejora la precisión predictiva de los tiempos de floración en maíz al combinar las fortalezas complementarias de múltiples modelos individuales, superando así las limitaciones de los modelos únicos y ofreciendo una herramienta valiosa para la mejora genética de cultivos.