1246 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 DNA-MGC+, un códec versátil para almacenamiento de datos en ADN sintético que supera a las soluciones existentes al garantizar una recuperación fiable y eficiente de recursos incluso en condiciones de alto ruido y bajo costo de secuenciación.
El artículo presenta BioPipelines, un marco de código abierto en Python que simplifica la implementación de flujos de trabajo computacionales para el diseño de proteínas y ligandos, permitiendo a los laboratorios experimentales integrar más de 30 herramientas y escalar sus análisis sin necesidad de conocimientos avanzados en infraestructura informática.
Este estudio demuestra que el tamaño de los nanomateriales y la complejidad de la exposición moldean estados transcripcionales inmunitarios distintos y no lineales en células humanas bajo flujo fisiológico, revelando mecanismos de adaptación celular específicos según el tipo de linaje.
El artículo presenta SAMWOOD, una herramienta automatizada basada en el modelo Segment-Anything que permite segmentar y medir células de madera en imágenes microscópicas sin necesidad de entrenamiento, logrando una precisión superior a la humana y reduciendo significativamente el tiempo de análisis para estudios anatómicos a gran escala.
Los autores presentan un modelo de difusión informado por física que, al combinar redes neuronales gráficas equivariantes con restricciones biofísicas y una representación multiescala, genera rápidamente ensambles conformacionales de alta fidelidad de proteínas de fusión multidominio, superando las limitaciones computacionales de la dinámica molecular tradicional para acelerar el diseño racional de terapias.
Este trabajo presenta cuatro nuevas implementaciones de inferencia de ascendencia local basadas en redes neuronales que, aunque muestran alto rendimiento en escenarios de mezcla intercontinental, destacan por superar a los métodos existentes mediante preprocesamiento especializado y suavizado de inferencia en desafíos como mezclas intracontinentales y paneles de referencia muestreados.
Este estudio demuestra que el ARN de doble cadena ingerido por la papa de Colorado (*Leptinotarsa decemlineata*) llega al sistema nervioso central, donde se procesa en siRNAs funcionales que se unen a la maquinaria de interferencia de ARN, proporcionando evidencia bioquímica de la actividad sistémica de RNAi en este insecto.
El artículo presenta StrainVis, una plataforma web interactiva que integra herramientas de análisis basadas en identidad nucleotídica promedio y simetría promedio de pares para facilitar la exploración unificada y accesible de la diversidad a nivel de cepas en datos de microbioma sin necesidad de programación.
El artículo presenta SpliceSelectNet (SSNet), un modelo de aprendizaje profundo basado en Transformers jerárquicos que logra un rendimiento de vanguardia en la predicción de sitios de empalme y la detección de empalmes aberrantes al capturar eficientemente dependencias de largo alcance en secuencias de ADN de hasta 100 kb, ofreciendo además una interpretabilidad biológica mediante mecanismos de atención.
Fleming es un agente de inteligencia artificial integrado que combina modelos discriminativos y generativos para descubrir y optimizar nuevos compuestos candidatos para el tratamiento de la tuberculosis, logrando altas tasas de éxito en la predicción de inhibición in vitro y en el diseño de moléculas con perfiles ADMET favorables.