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 estudio presenta AI-IDP, un marco de aprendizaje profundo que transforma la secuencia de proteínas intrínsecamente desordenadas en conjuntos conformacionales consistentes con datos experimentales, revelando que hélices transitorias y conformaciones de poliprolina II son características evolutivas clave y proporcionando una herramienta para comprender y dirigir estos estados dinámicos en la salud y la enfermedad.
El Grass Expression Atlas (GExA) es un recurso web interactivo que integra y estandariza miles de conjuntos de datos de RNA-seq de cuatro especies de mijo, cebada y sorgo para facilitar la exploración rápida de la expresión génica en diversas condiciones y tejidos de especies de gramíneas.
El artículo presenta Stoic, un método rápido y preciso que utiliza incrustaciones de modelos de lenguaje proteico y redes neuronales gráficas para predecir la estequiometría de complejos proteicos identificando residuos de interfaz, superando así las limitaciones de los enfoques actuales basados en fuerza bruta.
El artículo presenta PepCABO, un marco de optimización bayesiana en espacio latente que utiliza alineación contrastiva y un autoencoder variacional dual para mejorar la eficiencia y precisión en la optimización de secuencias peptídicas para la unión a diferentes alelos del MHC, superando a los métodos existentes en escenarios con datos limitados.
Este trabajo presenta una extensión del marco ColBuilder para generar modelos atómicos de fibrillas de colágeno que incorporan enlaces cruzados no enzimáticos (AGE) junto con los enzimáticos, proporcionando parámetros compatibles con Amber99 y demostrando mediante simulaciones de dinámica molecular que los enlaces AGE afectan la estructura de la fibrilla de manera diferente a los enzimáticos.
Este artículo ofrece una encuesta exhaustiva del sistema ubiquitina-proteasoma y de la red de proteostasis humana, estimando que incluyen más de 1400 y 3100 componentes respectivamente, con el objetivo de definir sistemáticamente estas vías para apoyar investigaciones en genómica, proteómica y biología de enfermedades.
El estudio presenta LysinFusion, un marco de aprendizaje profundo reproducible que combina características heterogéneas de secuencia con una arquitectura híbrida CNN-Transformer para identificar lisinas de fagos con mayor precisión y menor tasa de falsos positivos que los métodos existentes, facilitando así el descubrimiento de nuevas terapias contra la resistencia antimicrobiana.
Este estudio presenta un modelo de aprendizaje automático que predice la eficacia de los siRNA directamente a partir de sus características intrínsecas de secuencia, logrando un alto rendimiento predictivo e interpretabilidad biológica al identificar que la composición de nucleótidos en posiciones específicas es determinante para la selección de la cadena y la carga del RISC.
El artículo presenta PBML, un nuevo algoritmo que optimiza la detección de ancestros compartidos a largo plazo en grandes paneles de haplotipos al filtrar coincidencias exactas no informativas mediante umbrales de frecuencia y longitud, logrando una mayor velocidad y eficiencia en memoria que los métodos actuales como PBWT.
Este estudio propone un marco de simulación basado en el modelo AMMI bayesiano que genera interacciones genotipo-ambiente con estructura direccional interpretable, demostrando su utilidad para visualizar relaciones ambientales específicas y mejorar las estrategias de selección genómica en condiciones complejas.