💻 Category

bioinformatics

1178 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

Ark-ADMET: endpoint-specific selection of molecular representations and hyperparameters for gradient-boosted ADMET models under the Therapeutics Data Commons benchmark protocol

De Ark-ADMET-studie toont aan dat het afstemmen van moleculaire representaties en CatBoost-hyperparameters op individuele ADMET-endpoints, in plaats van het toepassen van een uniforme architectuur voor alle taken, concurrerende of superieure prestaties oplevert op de Therapeutics Data Commons-benchmark zonder dat daar nieuwe modelarchitecturen voor nodig zijn.

Shi, Y., Luo, H., Liu, F., Zhao, S.2026-11-03
💻 bio-informatica

A validation approach for RNA structures based on deep-learning 3D-structure predictions

Dit artikel presenteert een uitbreiding van de Conkit-validate tool naar RNA, waarbij een op deep learning gebaseerde, kaartloze validatiemethode wordt geïntroduceerd die gebruikmaakt van contactvoorspellingen om structurele fouten te detecteren, zoals foutieve registertoewijzingen, met name in gevallen waarin traditionele kaartgebaseerde benaderingen worden beperkt door experimentele gegevens met een lage resolutie.

Voorspoels, A., Simpkin, A. J., Keegan, R., Chojnowski, G., Rigden, D. J.2026-11-03
💻 bio-informatica

Redesigning the Eterna100 RNA design benchmark for the Vienna 2 folding engine

Deze studie toont aan dat de prestaties van RNA-ontwerpalgoritmen intrinsiek verbonden zijn met de thermodynamische modellen die in vouwingsmotoren worden gebruikt, wat leidde tot de creatie van een herziene Eterna100-V2 benchmark die onthult dat zowel de oorspronkelijke als de bijgewerkte benchmarks onopgelost blijven onder hun beoogde instellingen vanwege eerdere evaluatiefouten en enginespecifieke uitdagingen.

Koodli, R. V., Rudolfs, B., Romano, J., Wayment-Steele, H. K., Dunlap, W. A., Eterna Structure Designers,, Das, R.2026-11-03
💻 bio-informatica

Parameter-Efficient Adaptation of Protein Language Models for Dual-Target Antimicrobial Peptide Discovery Under Strict Homology Constraints

Dit artikel introduceert een parameter-efficiënt multi-task transfer learning-framework gebaseerd op ESM-2 en LoRA dat er succesvol in slaagt de beperkingen van bevroren proteïnelinguïstische modellen te overwinnen bij het voorspellen van zowel antibacteriële potentie als hemolytische toxiciteit onder strikte homologiebeperkingen, wat de ontdekking van hoogselectieve antimicrobiële peptiden met superieure therapeutische indices mogelijk maakt.

Jat, R., Ejaz, S. R.2026-11-03
💻 bio-informatica

SpaceBlocks: an expert-supervised workflow for cohort-level spatial transcriptomics analysis

SpaceBlocks is een reproduceerbare, door experts gesuperviseerde Snakemake-workflow die heterogene ruimtelijke transcriptomicsdata op single-cell resolutie over meerdere platformen heen homogeniseert om schaalbare cohort-niveau analyse mogelijk te maken, zoals aangetoond door het vermogen om nieuwe celtypen, marker-expressiepatronen en ziektegeassocieerde transcriptionele verschillen in diverse biologische datasets te identificeren.

Oterino-Sogo, S., Mechkouri, N., Garcia-Ruano, D., Groppi, A., Rezvani, H.-R., Nikolski, M.2026-11-02
💻 bio-informatica

Bayesian model-based method for clustering gene expression time series with multiple replicates

Dit artikel introduceert MMDPGP, een Bayesiaanse modelgebaseerde methode die Dirichlet proces Gaussische processen gebruikt om genexpressie-tijdreeksen met meerdere replica's te clusteren door elke replica afzonderlijk te modelleren, waardoor een superieure clusteringsnauwkeurigheid en biologisch inzicht wordt bereikt vergeleken met de huidige state-of-the-art benaderingen.

Nushi, E., Douillard, F. P., Selby, K., Lindström, M., Honkela, A.2026-11-02
💻 bio-informatica

Interpreting graph neural networks reveals microbial association patterns in inflammatory bowel diseases

Door het interpreteren van graph neural networks die getraind zijn op individueel-specifieke microbiële associatienetwerken, onthult deze studie dat gecoördineerde co-abundantiepatronen van Bacteroidales-soorten, in plaats van eenvoudige differentiële abundantie, kritieke voorspellende kenmerken zijn van inflammatoire darmziekte die traditionele machine learning-modellen vaak over het hoofd zien.

Cunha, A. F., Vidal, E., Barranco-Altirriba, M., Amigo, T., Assis, J. G., Nakaya, H. I., Santos, A.2026-11-01
💻 bio-informatica

Single-cell perturbation prediction near experimental reproducibility with GENESIS

Het artikel introduceert GENESIS, een generatief energiegebaseerd raamwerk dat de respons op perturbaties in enkelvoudige cellen voorspelt met een nauwkeurigheid die benadert wat experimentele reproduceerbaarheid is, waardoor een complementaire strategie van brede, minder diepe metingen wordt mogelijk gemaakt die worden aangevuld door computationele inferentie om de onhaalbaarheid van uitputtende experimentele atlasvorming te overwinnen.

Conci, R., D'Ascenzo, D., Cultrera di Montesano, S., Raghavan, S., Winter, P. S., Van Allen, E. M., Crawford, L., Lotter (…)2026-11-01