bioinformatics papers | Gist.Science

Bio-informatica is de fascinerende brug tussen biologie en datawetenschap. In dit veld helpen onderzoekers computers om enorme hoeveelheden biologische informatie te ontcijferen, van het decoderen van ons DNA tot het begrijpen hoe virussen muteren. Het is de motor achter veel moderne doorbraken in de gezondheidszorg en de ecologie, waarbij complexe patronen in levende systemen worden vertaald naar bruikbare inzichten.

Op Gist.Science maken we de nieuwste ontdekkingen in dit vakgebied toegankelijk voor iedereen. Wij verwerken elke nieuwe preprint die wordt gepubliceerd op bioRxiv, de belangrijkste bron voor nog niet-peer-reviewed onderzoek in de levenswetenschappen. Voor elk document bieden we zowel een duidelijke, alledaagse uitleg als een gedetailleerde technische samenvatting, zodat u snel de kern begrijpt zonder vast te lopen in jargon.

Hieronder vindt u de meest recente bijdragen uit de wereld van bio-informatica, zorgvuldig samengevat voor u.

Adversarial Sequence Mutations in AlphaFold andESMFold Reveal Nonphysical StructuralInvariance, Confidence Failures, and Concerns forProtein Design

Een systematische evaluatie toont aan dat AlphaFold 3 en ESMFold vaak onrealistische structurele invariantie vertonen bij sequentiemutaties en onbetrouwbare betrouwbaarheidsmetingen gebruiken, wat suggereert dat deze modellen meer afhankelijk zijn van opgeslagen sjablonen dan van fundamentele biofysische principes, met ernstige gevolgen voor hun toepassing in eiwitontwerp en geneesmiddelenontwikkeling.

Feldman, J., Brogi, M., Skolnick, J.2026-02-26💻 bioinformatics

OriGene: A Self-Evolving Virtual Disease Biologist Automating Therapeutic Target Discovery

In dit artikel wordt OriGene, een zelfevoluerend multi-agent-systeem dat fungeert als een virtuele ziektebioloog, gepresenteerd als een schaalbaar platform dat therapeutische doelwitten voor lever- en darmkanker succesvol identificeert en valideert, waarbij het presteert boven menselijke experts en geavanceerde AI-modellen door middel van geïntegreerde data-analyse en adaptief leren.

Zhang, Z., Qiu, Z., Wu, Y., Li, S., Wang, D., Liu, Y., Zhou, Z., Hu, Y., Chen, Y., An, D., Wang, Y., Li, Y., Zhong, Z., Ou, C., Wang, Z., Tang, F., Chen, J. X., Ma, R., Li, J., Wang, X., Lu, W., Xue (…)2026-02-25💻 bioinformatics

MaxGeomHash: An Algorithm for Variable-Size Random Sampling of Distinct Elements

Deze paper introduceert MaxGeomHash, een nieuw paralleliseerbaar en permutatie-invariant algoritme dat variabele, sub-lineaire k-mer-schetsen genereert om een evenwicht te vinden tussen opslag-efficiëntie en nauwkeurigheid bij het schatten van biologische gelijkenis, wat leidt tot betere en snellere fylogenetische analyses dan bestaande methoden zoals MinHash en FracMinHash.

Hera, M. R., Koslicki, D., Martinez, C.2026-02-25💻 bioinformatics

PMGen: From Peptide-MHC Structure Prediction to Peptide Generation

PMGen is een geïntegreerd framework dat nauwkeurige structurele voorspellingen voor peptide-MHC-complexen mogelijk maakt en deze gebruikt voor het ontwerpen van peptiden met verbeterde bindingsaffiniteit en het genereren van hoogwaardige trainingsdata voor machine learning-modellen.

Asgary, A. H., Aleyasin, A., Mehl, J. A., Fallah, S., Aintablian, H., Ludewig, B., Mishto, M., Liepe, J., Soeding, J.2026-02-25💻 bioinformatics

PaNDA: Efficient Optimization of Phylogenetic Diversity in Networks

Het paper introduceert PaNDA, een nieuw softwarepakket met een grafische interface en een polynomiale algoritme voor het efficiënt maximaliseren van fylogenetische diversiteit in phylogenetische netwerken met een beperkte scanwidth, terwijl het ook de complexiteit van dit probleem in semi-gerichte netwerken analyseert.

Holtgrefe, N., van Iersel, L., Meuwese, R., Murakami, Y., Schestag, J.2026-02-25💻 bioinformatics

Protein Compositional Ratio Representation (PCRR)Systematically Improves Human Disease Prediction

Dit onderzoek toont aan dat het modelleren van plasma-proteïnomedata als composities via paarsgewijze verhoudingen in plaats van absolute concentraties de voorspellende nauwkeurigheid voor menselijke ziekten, waaronder de ziekte van Alzheimer, aanzienlijk verbetert.

Madduri, A. V., Ellis, R. J., Patel, C. J.2026-02-25💻 bioinformatics

KuPID: Kmer-based Upstream Preprocessing of Long Reads forIsoform Discovery

Dit artikel introduceert KuPID, een methode die k-mer-schetsing gebruikt om lange RNA-seq-lezingen voor te verwerken, waardoor de snelheid van isoform-discovery met een factor 2-3 toeneemt en de nauwkeurigheid tot 16,7 punten verbetert door alleen relevante reads voor volledige uitlijning te selecteren.

Borowiak, M., Yu, Y. W.2026-02-25💻 bioinformatics

GaugeFixer: overcoming parameter non-identifiability in models of sequence-function relationships

GaugeFixer is een nieuw Python-pakket dat de interpretatie van modellen voor sequentie-functierelaties mogelijk maakt door de niet-identificeerbaarheid van parameters op een computerefficiënte manier met lineaire schaalbaarheid op te lossen.

Marti-Gomez, C., McCandlish, D. M., Kinney, J. B.2026-02-25💻 bioinformatics

Generating Structurally Diverse Therapeutic Peptides with GFlowNet

Deze paper introduceert GFlowNet als een robuust alternatief voor versterkingsleer bij het genereren van therapeutische peptiden, dat door proportioneel bemonsteren van beloningen van nature een hoge structurele diversiteit behoudt en zo het veelvoorkomende probleem van mode-collapse oplost.

Wijaya, E.2026-02-25💻 bioinformatics

Distilling Protein Language Models with Complementary Regularizers

Deze studie introduceert een distillatiemethode voor grote eiwit-taalmodellen die, door het combineren van onzekerheidsbewuste positieweighting en kalibratiebewuste label-smoothing, compacte studenten creëert die sneller zijn, minder geheugen vereisen en op schaarste data beter presteren dan het oorspronkelijke model.

Wijaya, E.2026-02-25💻 bioinformatics

← Vorige Volgende →