878 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 GBZ-base y GAF-base, formatos de archivos indexados con respaldo en SQLite que permiten la extracción eficiente en disco de subgrafos de pangenomas locales y sus alineamientos correspondientes, abordando las limitaciones de los formatos de procesamiento por lotes existentes para aplicaciones interactivas.
Panomap es el primer mapeador de espacio de señales que utiliza grafos de variación de pangenoma para eliminar el sesgo de referencia y mejorar la precisión del mapeo para muestras diversas de nanoporos, manteniendo al mismo tiempo un índice compacto y escalable.
Este artículo introduce un modelo de evolución de proteínas en tiempo continuo parametrizado por un modelo de Potts generativo para simular efectos epistáticos, revelando que, si bien la epistasia ralentiza la evolución general y causa una subestimación sistemática de las distancias evolutivas, no altera las tasas promedio por sitio debido a la heterogeneidad de tasas dependientes del contexto.
Este estudio demuestra que el refinamiento de las librerías espectrales de plasma mediante la exclusión de péptidos no representativos mejora significativamente la precisión, la exactitud y la eficiencia computacional de la cuantificación relativa de la proteómica de adquisición independiente de datos (DIA) sin comprometer la identificación de proteínas.
MKMC es un conjunto de herramientas escalable y libre de referencias que aprovecha las estadísticas de k-meros para permitir un análisis de RNA-seq robusto en organismos modelo y no modelo, detectando con éxito señales biológicas y eventos específicos de isoformas que a menudo eluden los métodos tradicionales basados en alineamiento.
Los autores presentan CircDiscoverer, un recurso web integral y fácil de usar que integra datos curados manualmente y predichos computacionalmente para explorar las interacciones entre circRNA y proteínas y los paisajes de modificación del ARN a través de múltiples especies, incluyendo humanos, ratones, moscas de la fruta y plantas.
Este artículo introduce un marco interactivo para evaluar el rendimiento de agentes de codificación científica mediante tareas de alineación de transcriptómica espacial, revelando que, si bien un contexto ambiental más rico aumenta la exploración de herramientas, puede degradar el rendimiento al inducir flujos de trabajo frágiles y transformaciones innecesarias, destacando así la necesidad de evaluar las trazas de los agentes junto con los resultados finales.
LeafRank es un novedoso marco filodinámico que aprovecha las filogenias de ADN de célula única y un modelo de proceso de ramificación de múltiples tipos para inferir la aptitud relativa de células individuales en tumores cromosómicamente inestables, cuantificando con éxito la heterogeneidad del crecimiento y revelando que la aptitud en los linajes de duplicación del genoma completo se adquiere mediante alteraciones subsecuentes en lugar de ventajas inmediatas.
Rectangle es un marco de trabajo de Python robusto y escalable que aprovecha la deconvolución multiescala y el modelado explícito de contenido desconocido para resolver con precisión los fenotipos celulares en datos de RNA-seq masivos utilizando referencias de célula única, permitiendo así el perfilado celular de alta resolución a escalas de población.
Este artículo demuestra que los agentes de codificación pueden generar automáticamente modelos de incrustación de célula única, interpretables y de disparo cero (zero-shot), mediante la extracción y composición de programas génicos citados en la literatura en ejes con nombre, logrando una calidad biológica comparable a los métodos basados en datos al tiempo que garantizan una robustez de lote e interpretabilidad inherentes sin requerir entrenamiento ni bases de datos de conjuntos de genes previas.