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.
Los autores desarrollaron EMTscore, un paquete de R de código abierto que permite la puntuación eficiente y sin sesgos de múltiples vías divergentes de la transición epitelio-mesénquima (EMT) a partir de datos ómicos de célula única o de tipo bulk para facilitar el cribado rápido de correlaciones entre la EMT y otros procesos celulares.
Este artículo presenta Pseudotime Graph Diffusion (PGD), un marco ligero post hoc que mejora la visualización e interpretación de las trayectorias de células individuales mediante el suavizado de las características a nivel de célula y la expresión génica a lo largo de las rutas inferidas utilizando difusión de caminata aleatoria.
RFhap es un novedoso método de fase basado en tríos que utiliza marcadores multi-k-mer y un clasificador de bosque aleatorio para mejorar significativamente la precisión y la contigüidad del ensamblaje de novo con resolución de haplotipos en genomas humanos en comparación con herramientas existentes como Hifiasm-Trio.
El artículo presenta scGeneLens, un marco de trabajo que revela cómo diferentes modelos fundacionales de célula única (scFMs), como scFoundation y scGPT, desarrollan percepciones "pluralistas" distintas de las células al priorizar ya sea genes marcadores de tipos celulares o vías biológicas compartidas, ofreciendo así conocimientos accionables para el diseño de futuros modelos.
Thyra es una biblioteca moderna de Python que tiende un puente entre la Espectrometría de Masas de Imagen con el marco de trabajo SpatialData para superar la fragmentación de datos, mejorar la interoperabilidad y permitir el análisis multimodal unificado dentro del ecosistema de la ómica espacial.
El artículo presenta scTREND, un marco computacional libre de anotación que integra la transcriptómica de célula única con resultados clínicos para modelar riesgos a nivel celular dependientes de la condición y variables en el tiempo, permitiendo así una evaluación de riesgo dinámica a través de diversos tipos de enfermedades y modalidades de datos espaciales o masivos sin requerir etiquetas de tipos celulares predefinidas.
Los autores presentan TLand, una novedosa arquitectura de aprendizaje automático construida sobre la base de datos RegulomeDB que supera a los modelos existentes en la predicción y priorización de variantes reguladoras no codificantes específicas de células y órganos, mejorando así la interpretación de los SNP asociados a GWAS a través del genoma humano.
Este estudio demuestra que la correlación entre las verosimilitudes de logaritmo de los modelos generativos y la afinidad de unión de anticuerpos surge porque estos modelos aprenden implícitamente prioris evolutivos, desempeñándose al mismo nivel que las puntuaciones simples de similitud BLOSUM calculadas frente a un ligando parental conocido.
Este artículo introduce un novedoso marco analítico basado en PARAFAC2 que supera las limitaciones de los modelos CP estándar al capturar explícitamente las variaciones temporales específicas de cada sujeto en los datos longitudinales del microbioma, permitiendo así el descubrimiento de firmas de desarrollo replicables e individualizadas que anteriormente habían sido pasadas por alto.
El artículo presenta SWARM, un marco de trabajo basado en IA que mejora significativamente la precisión del perfilado de modificaciones de ARN de molécula única al superar las altas tasas de falsos positivos en la secuenciación por nanoporos, permitiendo así el descubrimiento de nuevos sitios de modificación y revelando nuevas perspectivas sobre la deposición de pseudouridina, al tiempo que desafía los modelos existentes de coordinación epitranscriptómica.