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 presenta el marco híbrido Molearn, que combina dinámica molecular y modelos generativos profundos para expandir el conjunto conformacional del ARN TAR del VIH-1 hacia estados cripticos de unión a ligandos, logrando por primera vez identificar conformaciones aptas para la unión que no fueron recuperadas en investigaciones anteriores.
Este estudio presenta la primera comparación exhaustiva de herramientas para la detección de circRNAs en datos de secuenciación de lectura larga de Oxford Nanopore, utilizando un marco de simulación flexible y de código abierto desarrollado por los autores para evaluar el rendimiento de CIRI-long, IsoCIRC y circNICK-Irs y revelar la necesidad de combinar métodos o mejorar algoritmos para una detección más precisa.
El artículo presenta scExploreR, una plataforma basada en R Shiny diseñada para democratizar el análisis multimodal de datos de células individuales mediante una interfaz intuitiva que permite a investigadores sin experiencia en programación realizar exploraciones profundas, generar figuras de calidad para publicaciones y cerrar la brecha de comunicación entre científicos biológicos y computacionales.
Este estudio integra perfiles multi-ómicos para revelar que la actividad física regular mejora la salud metabólica e inmunológica en humanos mediante una firma coordinada de oxidación de ácidos grasos, una mayor presentación de antígenos y una preactivación epigenética de las funciones efectoras en células inmunitarias, lo que fortalece la señalización inmunitaria y suprime la inflamación.
El artículo presenta DABEST 2.0, un marco de estadística de estimación diseñado para superar las limitaciones de la prueba t y el ANOVA al cuantificar tamaños del efecto en diseños experimentales complejos, como comparaciones de múltiples grupos, medidas repetidas y metaanálisis.
El artículo presenta EpiExpr, un marco de aprendizaje profundo flexible que predice la expresión génica integrando pistas epigenéticas unidimensionales y las interacciones de la cromatina en 3D para capturar efectos regulatorios tanto locales como de larga distancia, ofreciendo una alternativa computacionalmente eficiente y escalable que supera a los enfoques de referencia.
Este trabajo propone un marco de aprendizaje conjunto basado en la factorización tensorial acoplada y la información auxiliar (SI-ADMM) para predecir simultáneamente combinaciones de fármacos efectivas e interacciones entre ellos, demostrando un rendimiento superior, especialmente en escenarios de predicción para fármacos nuevos, mediante la integración de datos de similitud química, efectos secundarios y perfiles de objetivos.
El artículo presenta QuantCell, un marco de aprendizaje automático que integra perfiles de imagen cualitativos y cuantitativos para mejorar significativamente la anotación de células en tejidos complejos, logrando una mayor cobertura y precisión en la detección de poblaciones celulares raras.
Este estudio presenta un atlas de células individuales de podocitos de ratón que revela diferencias transcriptómicas dependientes de la zona renal (corteza externa frente a yuxtamedular) y demuestra que la activación de la vía p53 en podocitos contribuye a la gravedad de la lesión en la esclerosis glomerular focal y segmentaria.
El artículo presenta t2pmhc, un marco de red neuronal gráfica basado en la estructura tridimensional del complejo TCR-pMHC que supera a los métodos basados únicamente en secuencias al lograr una mejor generalización en la predicción de uniones a antígenos no vistos, identificando además patrones de atención biológicamente consistentes en las regiones clave de interacción.