1248 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 integra secuenciación de ARN de célula única y técnicas de aprendizaje automático interpretable para identificar firmas genéticas, tanto en tejido tumoral como en sangre, que predicen con alta precisión la respuesta al tratamiento en pacientes con cáncer de mama triple negativo.
Este artículo presenta SPAE, una herramienta basada en un autoencoder integrado sinusoidal y por tramos que mejora la precisión y robustez en la caracterización de la dinámica del ciclo celular y los estados celulares a partir de datos de RNA-seq de una sola célula, permitiendo también predecir transiciones en células cancerosas y eliminar los efectos del ciclo celular.
El artículo presenta REMAG, una herramienta innovadora que utiliza aprendizaje contrastivo y modelos de fundación genómica para superar las limitaciones actuales y recuperar genomas eucariotas de alta calidad a partir de datos metagenómicos, superando a las herramientas existentes en completitud y reduciendo la fragmentación.
El artículo presenta scEvolver, un marco de aprendizaje continuo basado en prototipos que permite la anotación precisa y escalable de células individuales sin necesidad de acceder a datos históricos, superando el olvido catastrófico y los sesgos de lote para revelar dinámicas celulares en contextos de enfermedades complejas.
El artículo presenta geneSTRUCTURE, una plataforma moderna de línea de comandos y basada en la web que ofrece una visualización flexible, interactiva y de alta resolución de estructuras génicas y anotaciones complementarias a partir de formatos GFF3 y GTF, superando las limitaciones de las herramientas existentes.
Perseus es un marco de refinamiento consciente de la linaje que utiliza una red neuronal convolucional para mejorar la precisión y consistencia taxonómica de las clasificaciones de Kraken2 en datos de metagenómica de lecturas largas, reduciendo significativamente las tasas de asignación falsa mediante la estimación de confianza jerárquica.
Los autores desarrollaron modelos de aprendizaje profundo que utilizan embeddings contextuales del modelo de lenguaje genómico PlantCaduceus para predecir con mayor precisión la expresión génica y los efectos de variantes regulatorias en *Brachypodium* y otras especies vegetales, superando a los modelos existentes.
Mediante el reanálisis de datos transcriptómicos y proteómicos del modelo porcino de diabetes MIDY utilizando enfoques multi-ómicos, este estudio identifica a ADAMTS17 como un nuevo biomarcador asociado a la disfunción inmune y la cicatrización retardada en complicaciones diabéticas.
Este trabajo presenta el Inverse Protocol Prediction (IPP), un marco de aprendizaje estructurado que infiere con alta precisión las condiciones experimentales de cultivo a partir de una sola imagen de esferoide mediante la integración de descriptores morfométricos, representaciones visuales profundas y un transformador jerárquico que modela las dependencias entre atributos del protocolo.
El artículo presenta SR2P, un marco de aprendizaje automático basado en apilamiento que predice con alta eficiencia la abundancia de proteínas espaciales a partir de datos de expresión génica, superando a los métodos existentes y permitiendo el análisis de la inmunología tumoral en datos de transcriptómica espacial que carecen de perfiles multi-ómicos.