1211 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.
Este estudio demuestra que la localización subcelular es un determinante clave de la detectabilidad de proteínas en el cáncer, mejorando significativamente la predicción basada en ARN y revelando una discordancia sistemática entre transcritos y proteínas en vías metabólicas y reguladoras.
El artículo presenta CROWN, un nuevo conjunto de datos de 153.005 complejos proteína-ligando curado y optimizado mediante un pipeline automatizado que equilibra la cobertura masiva con el control de calidad riguroso, ofreciendo un recurso superior para el entrenamiento de modelos de aprendizaje automático en interacciones moleculares sin depender de afinidades de unión externas.
Este trabajo presenta Claw4Science, una plataforma y el primer conjunto de datos curado que unifica y analiza el ecosistema fragmentado de agentes científicos OpenClaw, facilitando la exploración de sus herramientas y estableciendo una base para futuros estándares en la computación científica con IA.
Este estudio propone y evalúa estrategias de robustificación para los Bosques Aleatorios en la predicción genómica, demostrando que las transformaciones de datos, especialmente las basadas en rangos, son la opción más efectiva para mitigar el impacto de la contaminación en los datos y recuperar señales predictivas latentes en contextos de cría animal y vegetal.
El artículo presenta BulkMonSTR, un marco computacional que combina la modelización de errores específica de repeticiones cortas en tándem (STR) con clasificación de aprendizaje automático para detectar con precisión mutaciones mosaico en STR a partir de datos de secuenciación masiva, superando a los métodos existentes en precisión y capacidad para identificar variantes en alelos no de referencia.
Este trabajo presenta un marco escalable y explicable que, mediante el ajuste fino eficiente de modelos de lenguaje de proteínas y el aprendizaje de métricas, predice con alta precisión la afinidad de unión proteína-proteína utilizando únicamente secuencias, superando a los métodos basados en estructura y demostrando una notable eficiencia en datos y capacidad de generalización.
El desafío IMMREP25 demostró avances significativos en la predicción de la unión TCR:pMHC para péptidos no vistos mediante métodos que incorporan modelado estructural, logrando un rendimiento superior al azar por primera vez en este contexto.
El estudio presenta scRitmo, un marco probabilístico que infiere las fases circadianas individuales a partir de datos de scRNA-seq y cuantifica la desincronización biológica separándola del ruido técnico, demostrando su eficacia en diversos tejidos y organismos.
Este estudio presenta una estrategia integrada computacional-experimental que, mediante un enfoque de cribado virtual consensuado, identificó y validó el péntido DPDPE como un agonista dual de GLP-1R/GIPR con eficacia similar a la del GLP-1, estableciendo un marco transferible para el descubrimiento de ligandos diversos en receptores GPCR flexibles.
Este estudio demuestra que el uso del pangenoma humano como referencia mejora significativamente la precisión en la detección de mutaciones somáticas, especialmente en individuos de ascendencia asiática oriental, al reducir los sesgos de alineación y la contaminación de la línea germinal en comparación con las referencias genómicas lineales tradicionales.