770 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 artículo presenta **bcrnnoise**, un marco de código abierto en Python que unifica la deriva determinista, las fluctuaciones gaussianas y los saltos esporádicos aditivos en un único modelo de ecuación diferencial estocástica para generar trazas de transcripción precisas de manera eficiente, con una velocidad de cálculo hasta dos órdenes de magnitud superior a la del muestreo estocástico exacto.
SaVanache es una herramienta de visualización multirresolución que permite la exploración eficiente en tiempo real y la comparación intuitiva de uno a muchos de complejos gráficos de variación de pan-genomas, mediante el preprocesamiento de archivos GFA en índices optimizados y el uso de glifos especializados para resaltar las variaciones estructurales en relación con un genoma pivote lineal.
Este artículo presenta un método estadístico de eliminación de rayas para datos de VisiumHD de 10x Genomics que modela los recuentos de binos utilizando la segmentación de núcleos y un modelo lineal generalizado regularizado para eliminar eficazmente los artefactos de rayas multiplicativos mientras preserva las señales biológicas a gran escala, superando los enfoques de normalización existentes.
El artículo presenta SLiMNet, un modelo de aprendizaje profundo que aprovecha las incrustaciones de modelos de lenguaje grandes de proteínas y el aprendizaje contrastivo para predecir similitudes funcionales entre motivos lineales cortos (SLiMs), lo que permite la anotación funcional de motivos previamente no caracterizados y proporciona atlas integrales de pares funcionales potenciales para la comunidad investigadora.
ProtSpace es una aplicación web basada en navegador que preserva la privacidad y permite la visualización interactiva y la exploración sistemática de los espacios de incrustación de modelos de lenguaje de proteínas, revelando relaciones funcionales y estructurales complejas más allá de la similitud de secuencia tradicional mediante la visualización integrada de estructuras 3D y anotaciones multietiqueta.
El artículo presenta MANGO, un método novedoso de agrupamiento de redes que corrige el sesgo de los nodos centrales en el análisis de conjuntos de genes condicionando la distribución de grados, lo que permite la detección robusta de autocorrelación espacial biológicamente significativa sin los falsos positivos inherentes a los enfoques tradicionales de sobre-representación o a los métodos basados en redes ingenuos.
El artículo presenta geneSync, un paquete de R que resuelve las inconsistencias en los símbolos de genes en datos de RNA-seq a gran escala mediante una estrategia de coincidencia jerárquica y bases de datos sin conexión, mejorando significativamente la integración entre conjuntos de datos y la superposición de características.
Este artículo demuestra que los métodos de referencia convencionales funcionan tan bien o mejor que los modelos de lenguaje de proteínas en la predicción de los efectos de variantes proteicas densas en mutaciones, lo que sugiere que los pLM requieren la integración de priores biofísicos o estructurales para avanzar eficazmente en el diseño de proteínas.
PhenotypeToGeneDownloaderR es una pipeline ligera y reproducible en R/Python que automatiza la recuperación, armonización y validación de genes asociados a fenotipos procedentes de múltiples bases de datos biológicas heterogéneas, logrando una alta sensibilidad y demostrando la complementariedad de las fuentes de evidencia integradas para el análisis genético posterior.
Este artículo presenta Atlas, un conjunto de datos de preentrenamiento a gran escala para el microbioma, y la familia de modelos fundamentales Waypoint, demostrando mediante el benchmark Compass que el preentrenamiento auto-supervisado supera significativamente a los métodos clásicos y a los modelos existentes en diversas tareas de predicción del microbioma.