💻 Category

bioinformatics

1197 papers

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.

💻 bio-informatica

EndoMT: An R Package Resource for Endothelial-Mesenchymal Transition Gene Set Enrichment Analysis

Dit artikel introduceert het EndoMT R-pakket, een gecureerde bron van directioneel toegewezen genensets die ontworpen is om specifieke en sensitieve transcriptomische verrijkingsanalyse van de endotheliale-mesenchymale transitie over diverse experimentele modellen en ziektecontexten mogelijk te maken, waarmee de beperkingen van bestaande algemene epitheliale-mesenchymale transitie-frameworks wordt aangepakt.

Best, K., Casement, J., Lovat, P. E., Walker, L., Armstrong, J.2026-10-05
💻 bio-informatica

Slide-level batch structure limits histology-guided supervision of transcriptomic foundation models

Deze studie toont aan dat het gebruik van gematchte H&E-histologie als een tijdens de training gebruikte supervisiesignaal er niet consistent in slaagt om transcriptomische fundatiemodellen te verbeteren omdat slide-specifieke batchstructuren in spot-gebaseerde ruimtelijke transcriptomica het gedeelde gen-morfologie-signaal beperken, wat uiteindelijk bestaande informatie reorganiseert zonder verloren biologische details te herstellen.

McConnell, U., Nonchev, K., Koelzer, V. H., Raetsch, G.2026-10-05
💻 bio-informatica

Reconstructing donor genotypes from scRNA-seq for downstream eQTL and HLA-TCR analysis

Het artikel introduceert scTAPAS, een bio-informatisch raamwerk dat de genotypen van donoren direct uit single-cell RNA-sequencing reads reconstrueert, wat nauwkeurige downstream eQTL- en HLA-TCR-associatieanalyses mogelijk maakt, zelfs bij afwezigheid van bijbehorende conventionele genotyperinggegevens.

Kockelbergh, H., Astley, J., Kichula, K. M., Zhang, Z., Ng, E. S., COvid-19 Multi-omics Blood ATlas (COMBAT) Consortium (…)2026-10-05
💻 bio-informatica

PIE: Generalizing perturbation effects across unseen perturbations, contexts and datasets

PIE is een nieuw model dat de effecten van cellulaire perturbaties generaliseert over ongeziene contexten, perturbaties en datasets door de leeropgave te herformuleren rond populatieniveau-effecten en door gebruik te maken van aanvullende biologische inputs, waarmee het de state-of-the-art prestaties bereikt in het voorspellen van veranderingen in genexpressie en differentieel tot expressie gebrachte genen.

Verma, R., Adduri, A., Bevilacqua, B., Eraslan, B., Burke, D., Goodarzi, H., Roohani, Y.2026-10-05
💻 bio-informatica

Homology-Based Variant-Effect Predictors Break Down on Cytochrome P450 Pharmacogenes

Deze studie toont aan dat op homologie gebaseerde voorspellers van de effecten van varianten systematisch falen voor Cytochroom P450-farmogenen omdat ze primair de eiwitabundantie volgen in plaats van de katalytische activiteit, wat een nieuwe modelleringsbenadering noodzakelijk maakt die substraatspecifieke context incorporeert om functionele gevolgen nauwkeurig te voorspellen.

Xu, H., Samori, I., Nayar, G., Altman, R. B.2026-10-02
💻 bio-informatica

EnsPlex: Integrative Protein Complex Prediction through Multi-source Complementary Structural Sampling and Topology-Aware Candidate Selection

EnsPlex is een multi-source framework dat diverse structurele samplingmethoden integreert met een topologiebewust kwaliteitsbeoordelingsmodel (FACET) om de nauwkeurigheid en succespercentages van eiwitcomplexvoorspellingen in antigeen-antilichaamsystemen aanzienlijk te verbeteren vergeleken met bestaande benaderingen.

Hu, B., Lu, Z., Zaman, K., Sun, Z., He, X.2026-10-02
💻 bio-informatica

Defining transcriptomic niches in human fibrotic lung with multi-sample spatial transcriptomics analysis using the MAPLE algorithm

Deze studie introduceert het MAPLE-algoritme om multi-sample ruimtelijke transcriptomica-data te analyseren, waarbij wordt onthuld dat de progressie van idiopathische pulmonale fibrose gepaard gaat met regio-specifieke fibrotische programma's en de ruimtelijke colocalisatie van senente cellen met aberrante basaloïde niches in menselijke longen.

Jeon, H., Allen, C., Vanegas, N.-D. P., Xie, J., Ghobashi, A. H., Rodriguez-Lopez, J., Rosas, L., Wang, C., Cheng, H., C (…)2026-10-01
💻 bio-informatica

Quantum Hamiltonian-Based Generative Modeling of Single-Cell Transcriptomics for Gene Regulatory Network Inference

Dit artikel introduceert QHGM, een nieuw op een kwantumhamiltoniaan gebaseerd generatief model gekoppeld aan een schaalbaar variationeel kwantumalgoritme (VQ-Net), dat klassieke methoden aanzienlijk overtreft bij het afleiden van genregulerende netwerken uit single-cell transcriptomica-gegevens, zoals aangetoond door superieure nauwkeurigheid op synthetische benchmarks en biologisch relevante inzichten in glioblastoom.

Sohail, M. A., Sudharshan, R. R., Pradhan, S. S., Rao, A.2026-10-01
💻 bio-informatica

A Metacell Model of Single Cell RNA-seq Counts Yields a Gaussian Mixture Model in PCA Space

Dit artikel stelt vast dat het toepassen van standaard scRNA-seq preprocessing workflows op data gegenereerd door een metacell-model resulteert in een Gaussisch mengmodel in de PCA-ruimte, een bevinding die via random matrix theory is afgeleid en die de beperkingen van het metacell-model in het vastleggen van gencorrelaties en het onderschatten van variantie in echte datasets onthult, terwijl het tegelijkertijd een kader biedt voor het verbeteren van downstream statistische modellering.

Leviyang, S.2026-10-01