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.
El estudio demuestra que la herramienta de revaloración basada en aprendizaje automático MS2Rescore mejora significativamente la sensibilidad y especificidad en la identificación de péptidos dentro de la metaproteómica, permitiendo reducir la tasa de descubrimiento falso al 0,1% y aumentar la fiabilidad de las anotaciones taxonómicas.
El artículo presenta Floco, un método innovador que utiliza una formulación de flujo de red y programación lineal entera para realizar llamadas precisas de número de copias en genomas gráficos, superando las limitaciones de los enfoques tradicionales basados en referencias lineales y mejorando la precisión hasta en un 43%.
El estudio presenta CoMR, una nueva herramienta integradora que combina múltiples fuentes de evidencia para reconstruir con mayor precisión el proteoma mitocondrial en diversos eucariotas, superando el rendimiento de los predictores de señales de targeting tradicionales tanto en organismos modelo como en linajes divergentes.
El artículo presenta RSTG, un autoencoder basado en divergencia beta que genera datos de transcriptómica espacial de alta calidad y robustos frente a ruido y anomalías, superando a los métodos existentes en la recuperación de posiciones celulares y la estimación de densidad.
El artículo presenta EnzPlacer, un algoritmo de aprendizaje contrastivo que predice funciones enzimáticas desconocidas al ubicar secuencias proteicas en un contexto funcional específico dentro del espacio de funciones conocidas, incluso cuando la función exacta no está presente en los datos de entrenamiento.
BioGraphX-RNA es un marco de codificación gráfica biofísica universal e interpretable que, al integrar principios físico-químicos con embeddings de RiNALMo, logra un rendimiento de vanguardia y una generalización cero-shot en la predicción de la localización subcelular de ARN, ofreciendo al mismo tiempo mecanismos explicables y una alta eficiencia computacional.
Este trabajo propone un marco bayesiano para la estimación de orientaciones en criomicroscopía electrónica que, mediante el uso de un estimador de error cuadrático medio mínimo, supera a los métodos tradicionales basados en correlación cruzada, mejorando significativamente la precisión de la reconstrucción 3D y la fiabilidad del análisis de la heterogeneidad estructural, especialmente en condiciones de bajo relación señal-ruido.
El artículo presenta O_SCPLOWARCANEC_SCPLOW, una nueva herramienta de línea de comandos que integra algoritmos mejorados para la corrección de códigos de barras, la asignación de lecturas a genes y la resolución de UMIs, logrando una cuantificación de expresión génica en transcriptómica de células individuales más rápida y precisa que los métodos existentes.
El artículo presenta ProtBFF, un marco general que mejora la predicción de cambios de energía libre (ΔΔG) al integrar priores biofísicos interpretables en representaciones de aprendizaje profundo mediante atención cruzada, logrando superar a modelos especializados y de mayor tamaño.
El artículo presenta TopRepo, el primer repositorio integral de espectros de espectrometría de masas de arriba hacia abajo (TD-MS) con más de 18 millones de espectros, que permite análisis panconjunto de proteoformas y mejora significativamente la identificación de proteoformas y el entrenamiento de modelos de aprendizaje profundo para la predicción espectral.