1235 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 presentan SMILE, un modelo de difusión basado en puentes de Schrödinger que supera a las redes generativas adversarias para convertir imágenes de tinción H&E en imágenes de inmunohistoquímica multiplex de alta fidelidad, permitiendo la inferencia proteómica escalable y el mapeo tridimensional de los islotes pancreáticos a lo largo de la progresión de la diabetes tipo 1.
El artículo presenta Hybrid Gated Fusion, un marco de aprendizaje profundo multimodal que utiliza un mecanismo de compuerta bilineal para integrar de manera adaptativa características intrínsecas y contextos extrínsecos, logrando un rendimiento superior en la anotación de funciones proteicas al abordar eficazmente la redundancia y la falta de datos.
El artículo presenta GANGE, un sistema generativo de aprendizaje profundo que reduce drásticamente los costos de secuenciación al recuperar y extender secuencias genómicas con alta precisión a partir de lecturas de bajo costo, permitiendo investigaciones regulómicas sin necesidad de secuenciación genómica completa.
Este estudio evalúa diez herramientas de detección de modificaciones de ARN en el ARNr de *Escherichia coli* mediante secuenciación directa de Nanopore, demostrando que la combinación de enfoques basados en errores y señales corregidas por desplazamiento mejora significativamente la recuperación de sitios modificados y revelando que las métricas de discriminación estándar son insuficientes para evaluar el rendimiento completo de estas herramientas.
Este estudio demuestra que la aplicación de técnicas de aprendizaje automático para imputar datos faltantes en las colecciones de mosquitos en Bolívar, Venezuela, mejora significativamente la precisión de los modelos predictivos de la incidencia de malaria por *Plasmodium vivax*, aunque no logra predecir la de *Plasmodium falciparum*.
Este artículo presenta un método que integra la glicosilación como filtro en el diseño de proteínas *de novo* mediante herramientas como ReGlyco y GlycoShape, logrando mejorar significativamente la eficiencia y reducir los costos experimentales al predecir y descartar diseños no funcionales antes de su validación en laboratorio.
Este estudio integra puntuaciones de contribución derivadas de aprendizaje profundo con un nuevo métrico delta NES para revelar que las redes de proteínas de unión a ARN comparten un esqueleto de señalización común, mientras que sus módulos funcionales se redistribuyen de manera dependiente del contexto celular.
Este estudio presenta un modelo de aprendizaje profundo basado en la Representación del Juego del Caos de Frecuencia (FCGR) y ResNet-18 para predecir la resistencia antimicrobiana en *Salmonella enterica* y *Staphylococcus aureus*, demostrando su viabilidad y rendimiento competitivo en ciertos antibióticos como las cefalosporinas, aunque aún requiere mejoras significativas para su aplicación clínica frente a herramientas basadas en genes.
Este trabajo presenta un enfoque explicable basado en un grafo de conocimiento y redes neuronales (GNN-GBA) que descifra los mecanismos de comunicación entre el microbioma intestinal y los trastornos cerebrales, identificando vías moleculares clave y ofreciendo una herramienta interactiva para explorar estas relaciones.
El paquete R evo3D presenta un nuevo marco para el análisis evolutivo molecular basado en la estructura tridimensional que extrae haplotipos espaciales, supera las limitaciones de los enfoques lineales y ventanas 3D predefinidas, y facilita la identificación de patrones evolutivos en contextos estructurales complejos como los virus de la Hepatitis C y Chikungunya.