163 artículos
La biología de sistemas busca comprender la vida no como piezas aisladas, sino como una red compleja e interconectada donde cada componente interactúa dinámicamente. En lugar de estudiar un gen o una proteína en soledad, este enfoque integra datos masivos para revelar cómo funcionan los organismos completos, desde células individuales hasta ecosistemas enteros, permitiendo predecir comportamientos que serían invisibles de otra manera.
En Gist.Science, monitorizamos diariamente bioRxiv para llevar estos avances al público. Procesamos cada nuevo preprint de esta categoría, ofreciendo tanto resúmenes técnicos detallados para expertos como explicaciones en lenguaje sencillo para cualquier lector curioso. Nuestro objetivo es desmitificar la ciencia y hacer que la investigación de vanguardia sea verdaderamente accesible.
A continuación encontrarás las últimas publicaciones en biología de sistemas, seleccionadas y analizadas recientemente para que puedas explorar los hallazgos más frescos de este campo en constante evolución.
Este trabajo presenta un enfoque de aprendizaje automático basado en grafos que predice con alta precisión los efectos de las perturbaciones génicas en fenotipos moleculares, permitiendo priorizar experimentos, inferir mecanismos biológicos y generalizar a otros fenotipos sin necesidad de realizar costosos ensayos para cada gen.
Este estudio demuestra que los quimiotipos derivados de la espectroscopía FTIR y el aprendizaje automático en *Drosophila melanogaster* actúan como predictores integradores de la variación genotípica, fisiológica y de la respuesta al estrés, ofreciendo una representación computable del estado biológico del organismo.
Este estudio demuestra que el marco computacional TransComp-R mejora la utilidad de los modelos murinos para la enfermedad de Alzheimer de inicio tardío al identificar características transcriptómicas conservadas que permitieron descubrir y validar el potencial terapéutico del suvorexante, un antagonista del receptor de orexina, para reducir los niveles de tau fosforilada en humanos.
Este estudio integra modelos metabólicos de escala metagenómica y metabolómica para revelar que, aunque la microbiota del ficosfera de *Microcystis* amplía y diversifica el repertorio metabólico del sistema de forma independiente a la filogenia de la cianobacteria, los perfiles metabolómicos están impulsados principalmente por los outputs metabólicos de la cianobacteria, lo que subraya la importancia ecológica de las interacciones metabólicas interespecíficas en la estructuración de las comunidades asociadas a las floraciones algales.
El artículo presenta FASTERCC, una versión optimizada de FASTCC que aprovecha información estructural para acelerar drásticamente la prueba de consistencia de flujo y la reconstrucción de redes metabólicas a gran escala, reduciendo los tiempos de ejecución hasta en un 20 veces en comparación con el método original.
Este estudio presenta un modelo computacional que demuestra cómo la adaptación de los tumores al microambiente óseo reduce su dependencia de factores de crecimiento derivados del hueso, lo que explica por qué la inhibición de la resorción ósea es eficaz para detener el crecimiento de tumores no adaptados pero insuficiente para controlar los tumores ya adaptados.
Este estudio presenta BIRDkiss, un marco de modelado mecanístico y de código abierto que integra presupuestos energéticos y toxicocinética/toxicodinámica para predecir de manera robusta cómo la exposición a pesticidas y la disponibilidad de alimentos afectan el crecimiento y la reproducción de las aves, permitiendo evaluar riesgos tanto para compuestos individuales como para mezclas químicas en escenarios realistas.
El estudio presenta mCanonicalTockySeq, un marco sistémico que integra la historia de señalización con transcriptomas de células individuales para reconstruir espacios de estado desarrollados temporalmente resueltos, permitiendo analizar conjuntamente la progresión temporal y el desarrollo en células T y extrapolar estos hallazgos entre especies mediante un anclaje experimental basado en un reloj molecular fluorescente.
El artículo presenta MICA, un algoritmo que detecta puntos de cambio en series temporales al minimizar la discrepancia entre simulaciones de modelos dinámicos y datos observados, integrando segmentación binaria y algoritmos genéticos para identificar cambios en parámetros del modelo en diversos sistemas simulables.
El artículo presenta GeNETop, una metodología que integra análisis de variabilidad de flujo, métricas de topología de red y datos transcriptómicos para generar modelos metabólicos a escala genómica específicos del contexto y compatibles con simulaciones dinámicas, superando las limitaciones de los enfoques existentes que se basan en estados estacionarios.