💻 Category

bioinformatics

869 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.

💻 bioinformatics

Handshake: Partner-Specific Protein-Protein Binding Site Prediction at Scale Using ProstT5 and Cross-Chain Attention

Het artikel introduceert Handshake, een sequentie-gebaseerd deep learning-model dat gebruikmaakt van ProstT5 en cross-chain aandacht om op grote schaal nauwkeurig partner-specifieke eiwit-eiwit bindingsplaatsen te voorspellen, terwijl het ook onthult dat een hoge sequentieredundantie in de trainingsdata de prestatiecijfers in bestaande benchmarks aanzienlijk opblaast.

Haspel, N.2026-06-06
💻 bioinformatics

CryoDiff: An uncertainty-aware diffusion model for Cryo-EM map enhancement

Het artikel introduceert CryoDiff, een onzekerheidsbewust diffusiemodel dat bestaande methoden overtreft in het verbeteren van cryo-EM-kaarten door gezamenlijk de structurele resolutie te verbeteren en voxel-gewijze betrouwbaarheidsschattingen te bieden, waardoor de interpreteerbaarheid van kaarten en downstream modelbouw aanzienlijk wordt versterkt.

Wen, B., He, B., Cheng, Y., Zhou, S., Han, R., Zhang, F.2026-06-06
💻 bioinformatics

Cellpin enables reference-based imputation and denoising of spatial transcriptomes

Het artikel introduceert cellpin, een schaalbare variabele autoencoder die uitsluitend is getraind op single-cell RNA-sequencingdata, die gebruikmaakt van teacher-student latent distillatie en ruisimitatie om effectief niet-gemeten genen te imputeren en ruimtelijke transcriptoomprofielen te denoisen zonder dat daar cross-modale uitlijning voor nodig is.

Putze, P., Lucarelli, D., Wellappili, D., Bahrami, M., Luecken, M. D., Theis, F. J., Saur, D.2026-06-05
💻 bioinformatics

OmniGene-4: A Unified Bio-Language MoE Model with Router-Level Interpretability

OmniGene-4 introduceert een verenigd, door een router interpreteerbaar Mixture-of-Experts fundamenteel model dat demonstreert hoe voortgezette pretraining cross-task specialisatie aanstuurt, terwijl expert-computatie sequentie-gegronde biologische redenering afhandelt, waarmee state-of-the-art prestaties worden behaald in eiwithomologie en algemene biologische kennis met aanzienlijk verminderde computatiekosten, zelfs wanneer het wordt uitgebreid naar multi-modale inputs.

Wang, L.2026-06-04
💻 bioinformatics

UnBlender: validating individual analyses in respiratory bulk RNA-seq cell type deconvolution

Het artikel introduceert UnBlender, een pijplijn die ontworpen is om respiratoire wetenschappers in staat te stellen aangepaste celtype-deconvolutie uit te voeren op bulk RNA-seq-data, terwijl de nauwkeurigheid van de geschatte celtypeproporties routinematig wordt gevalideerd om reproduceerbare en betrouwbare conclusies te waarborgen.

Gillett, T. E., van den Berge, M., Nawijn, M. C., Koppelman, G. H.2026-06-04
💻 bioinformatics

An interpretable machine learning framework for dog breed inference and ancestry decomposition

Dit artikel presenteert een interpreteerbaar machine learning-framework dat dimensionaliteitsreductie combineert met een multi-output random forest-model om accuraat de identiteit en afkomst van honden te herleiden uit genoombrede SNP-data, waarbij een nauwkeurigheid van 91,7% wordt bereikt op de Dog Aging Project-dataset terwijl biologisch relevante genetische loci worden geïdentificeerd die geassocieerd zijn met ras-specifieke kenmerken.

Bian, Y., Bierman, R., Snyder-Mackler, N., Promislow, D., Karlsson, E., Dog Aging Project Consortium,, Akey, J. M.2026-06-04
💻 bioinformatics

ROTS 2.0: A reproducibility-driven framework for robust statistical modeling across diverse high-throughput omics study designs

Dit artikel introduceert ROTS 2.0, een verbeterd open-source framework beschikbaar in R en Python dat de reproduceerbaarheidsgeoptimaliseerde teststatistiek uitbreidt naar diverse high-throughput omics-studieontwerpen, inclusief multi-groepvergelijkingen en overlevingsanalyse, om de betrouwbaarheid van featureselectie in complexe experimentele settings te verbeteren.

Suomi, T., Kettunen, J., Pusa, T., Elo, L. L.2026-06-03
💻 bioinformatics

SwiftNJ: Fast Exact Neighbour Joining via Correctness-Gated Coding Agents

Dit artikel toont aan dat een correctie-gestuurde coderingsagent de gevestigde RapidNJ-basislijn in computationele fylogenetica aanzienlijk kan overtreffen door SwiftNJ te produceren, een geoptimaliseerde implementatie van Neighbour Joining die een geometrisch gemiddelde runtime-ratio van 0,565 bereikt terwijl exacte correctheid ten opzichte van referentiestandaarden wordt behouden.

Christensen, J.2026-05-29
💻 bioinformatics

Leviathan: A fast, memory-efficient, and scalable taxonomic and pathway profiler for (pan)genome-resolved metagenomics and metatranscriptomics

Leviathan is een open-source softwarepakket dat ultra-snelle, geheugenefficiënte en nauwkeurige taxonomische en functionele profilering van metagenomen en metatranscriptomen op genoom- en pangenoomresolutie mogelijk maakt door alignment-vrije taxonomische methoden te combineren met DNA-ruimte pseudo-uitlijning om computationally dure vertaalde zoekstappen te omzeilen.

Espinoza, J. L., Dupont, C. L., Phillips, A.2026-05-28