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.
ChatSpatial es una plataforma basada en el Protocolo de Contexto de Modelo (MCP) que utiliza esquemas prevalidados para orquestar de manera conversacional y reproducible más de 60 métodos de transcriptómica espacial en los ecosistemas de Python y R, eliminando las barreras técnicas y permitiendo a los investigadores centrarse en preguntas biológicas complejas.
Este estudio presenta una evaluación sistemática de los métodos de desconvolución de ARN libre de células (cfRNA) en plasma, demostrando que, aunque la inferencia del origen tisular es robusta y consistente, la inferencia del origen celular muestra mayor variabilidad y depende críticamente de la elección del método y de los parámetros de referencia.
El artículo presenta Fractal, un ecosistema compuesto por una especificación de tareas y una plataforma nativa de OME-Zarr que habilita el análisis de imágenes biomédicas a escala, escalable y reproducible para cumplir con los principios FAIR.
Este estudio compara el rendimiento de algoritmos de aprendizaje automático, aprendizaje profundo y herramientas de puntuación de riesgo poligénico en la predicción de 80 fenotipos binarios del conjunto de datos openSNP, revelando que los métodos de aprendizaje automático superaron a las herramientas tradicionales en 44 fenotipos, mientras que estas últimas fueron más efectivas en 36.
El paquete anndataR mejora la interoperabilidad entre R y Python en la transcriptómica de células individuales al permitir la lectura y escritura nativa de archivos H5AD, así como la conversión directa a objetos SingleCellExperiment o Seurat, garantizando la compatibilidad a largo plazo entre ambos lenguajes.
Este estudio presenta un conjunto de datos estandarizado y mejorado, con el doble de registros de interacciones virus-hospedador, para evaluar modelos de aprendizaje automático que predicen la infección viral en mamíferos y humanos, revelando que la precisión es mayor en rangos taxonómicos más amplios y en escenarios con menor distancia filogenética, mientras que la generalización a familias virales completamente nuevas sigue siendo un desafío significativo.
El artículo presenta MiRformer, un marco generativo unificado basado en arquitecturas de transformadores que predice con alta precisión las interacciones y sitios de unión entre miARN y ARNm largos, además de sintetizar secuencias de miARN específicas condicionadas por el ARNm, ofreciendo al mismo tiempo una fuerte interpretabilidad biológica.
El artículo presenta el Toolkit de Identificación de Sistemas Estocásticos (SSIT), una herramienta de software de código abierto en MATLAB diseñada para modelar, ajustar, predecir y optimizar el diseño de experimentos en sistemas biológicos ruidosos mediante métodos probabilísticos avanzados, como se demuestra en estudios de levadura y células cancerosas.
Este artículo presenta SPAE, una herramienta basada en un autoencoder integrado sinusoidal y por tramos que mejora la precisión y robustez en la caracterización de la dinámica del ciclo celular y los estados celulares a partir de datos de RNA-seq de una sola célula, permitiendo también predecir transiciones en células cancerosas y eliminar los efectos del ciclo celular.
El artículo presenta REMAG, una herramienta innovadora que utiliza aprendizaje contrastivo y modelos de fundación genómica para superar las limitaciones actuales y recuperar genomas eucariotas de alta calidad a partir de datos metagenómicos, superando a las herramientas existentes en completitud y reduciendo la fragmentación.