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 STAR Suite, una modernización impulsada por IA que integra funciones de transcriptómica directamente en el código fuente de C++ de STAR para eliminar la dependencia de archivos intermedios y permitir un procesamiento escalable y eficiente dentro del consorcio NIH MorPhiC.
Este estudio demuestra que el enfoque de predicción genómica basado en conjuntos (ensemble) mediante la tubería EasiGP mejora la precisión predictiva de los tiempos de floración en maíz al combinar las fortalezas complementarias de múltiples modelos individuales, superando así las limitaciones de los modelos únicos y ofreciendo una herramienta valiosa para la mejora genética de cultivos.
ChatSpatial es una plataforma basada en el Protocolo de Contexto de Modelo (MCP) que utiliza esquemas prevalidados para orquestar de manera conversacional y reproducible más de 60 métodos de transcriptómica espacial en los ecosistemas de Python y R, eliminando las barreras técnicas y permitiendo a los investigadores centrarse en preguntas biológicas complejas.
El artículo presenta singIST, una biblioteca de R/Bioconductor junto con un panel de control interactivo, diseñada para automatizar la comparación cuantitativa y explicativa de datos de transcriptómica de células únicas de modelos de enfermedades preclínicos frente a referencias humanas, facilitando así la evaluación de la recapitulación de vías biológicas específicas.
Este estudio presenta un sistema in vitro novedoso y fisiológicamente relevante que utiliza células epiteliales de las vías respiratorias humanas para identificar una firma mutacional específica inducida por el carcinógeno NTCU, mientras que no logró detectar un patrón distintivo para el NNK, demostrando así la utilidad de esta plataforma para establecer vínculos causales entre exposiciones ambientales y la mutagénesis del cáncer de pulmón.
Este estudio presenta una evaluación sistemática de los métodos de desconvolución de ARN libre de células (cfRNA) en plasma, demostrando que, aunque la inferencia del origen tisular es robusta y consistente, la inferencia del origen celular muestra mayor variabilidad y depende críticamente de la elección del método y de los parámetros de referencia.
Este artículo presenta un nuevo marco de aprendizaje de Hamiltonianos cuánticos basado en datos de mediciones resueltas en el tiempo para inferir redes de regulación génica, demostrando mediante un algoritmo variacional escalable su capacidad para recuperar estructuras de red en benchmarks sintéticos y revelar conexiones biológicas plausibles en datos de secuenciación de ARN de glioblastoma.
El artículo presenta Fractal, un ecosistema compuesto por una especificación de tareas y una plataforma nativa de OME-Zarr que habilita el análisis de imágenes biomédicas a escala, escalable y reproducible para cumplir con los principios FAIR.
Este artículo presenta GDAS, una nueva plataforma de análisis de glicoproteómica de alto rendimiento que combina búsquedas abiertas ultrarrápidas con pipelines de aprendizaje automático para identificar de manera eficiente y confiable glicoformas asociadas a enfermedades a escala proteómica, validando su eficacia mediante datos de la enfermedad de Alzheimer.
Este estudio demuestra que la combinación de un filtrado automatizado y una normalización que integra información de transcritos lineales y circulares mejora significativamente la sensibilidad y reproducibilidad en el análisis de expresión diferencial de circARN, estableciendo un marco estandarizado para la descubrimiento de biomarcadores.