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 artículo presenta VarDCL, un marco de aprendizaje profundo multimodal que integra embeddings de modelos de lenguaje proteico y aprendizaje contrastivo auto-distilado para predecir con alta precisión el efecto de variantes missense, superando a los métodos existentes en la distinción entre mutaciones patógenas y benignas.
El artículo presenta RIBEX, un marco multimodal que integra representaciones de secuencia de proteínas con la topología de la red de interacciones para predecir y explicar con mayor precisión la unión al ARN, superando a los métodos actuales especialmente en proteínas ricas en regiones intrínsecamente desordenadas y carentes de dominios de unión canónicos.
Este estudio presenta un modelo matemático basado en ecuaciones diferenciales que demuestra cómo la heterogeneidad fenotípica y la competencia por recursos impulsan la evolución dinámica de las tasas de proliferación en tumores, revelando que diferentes estrategias terapéuticas pueden seleccionar inadvertidamente clones de crecimiento rápido o lento, lo que subraya la necesidad de diseñar tratamientos que anticipen estas respuestas adaptativas.
El estudio presenta Glydentify, una plataforma de aprendizaje profundo explicable que integra representaciones de secuencias proteicas y características químicas para predecir con alta precisión los sustratos donadores de glicosiltransferasas, validando sus predicciones mediante ensayos bioquímicos experimentales y análisis de atención de residuos.
El artículo presenta 3D-Manhattan, una herramienta interactiva basada en navegador que integra múltiples resultados de estudios de asociación del genoma completo (GWAS) en un sistema de coordenadas tridimensional para facilitar la comparación visual simultánea de señales genéticas a través de diferentes tiempos, rasgos o condiciones experimentales.
El artículo presenta BioOS, un entorno de ejecución computacional que simula el desarrollo de plantas mediante la emergencia de comportamientos celulares derivados exclusivamente de la expresión génica y la regulación epigenética, logrando resultados cuantitativos y cualitativos sobresalientes en múltiples benchmarks de fisiología vegetal, incluido el desarrollo de la raíz primaria de *Arabidopsis thaliana*.
Este estudio presenta un enfoque integrado de inteligencia artificial y química cuántica para el diseño racional de "Solres", un nuevo agente antibacteriano dirigido contra proteínas de virulencia clave de *Ralstonia solanacearum* que demuestra propiedades prometedoras para combatir la resistencia antimicrobiana en la agricultura.
El estudio presenta LigandForge, un modelo de difusión discreta que genera péptidos de unión de alta afinidad a más de 1,000 secuencias por segundo en un solo paso sin necesidad de predicción estructural, superando drásticamente en velocidad y diversidad estructural a los métodos existentes mientras mantiene una calidad de unión predicha comparable o superior en 150 objetivos receptores.
El artículo presenta RNAElectra, un modelo fundacional de ARN basado en la detección de tokens reemplazados (RTD) que supera a los enfoques tradicionales de modelado de lenguaje enmascarado al ofrecer representaciones de alta resolución y una generalización superior en diversas tareas de inferencia regulatoria, estructura y diseño de ARN.
El artículo presenta NYX, un sistema de compresión aprendido y consciente del formato diseñado para diversos tipos de archivos de datos ómicos que logra ratios de compresión superiores y velocidades más rápidas que los compresores específicos existentes, aprovechando la estructura inherente de los datos sin pérdida de información.