💻 Category

bioinformatics

1012 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

Mind the Alignment Gap: A Spatial Transcriptomics Benchmark for Scientific Coding Agents

Dit artikel introduceert een interactief framework voor het benchmarken van wetenschappelijke programmeeragenten met behulp van ruimtelijke transcriptomics-uitlijningstaken, waarbij wordt onthuld dat hoewel een rijkere contextuele omgeving de exploratie van tools vergroot, dit de prestaties kan verslechteren door het induceren van fragiele workflows en onnodige transformaties, wat daarmee de noodzaak benadrukt om agent-traces naast de uiteindelijke outputs te evalueren.

Chen, Y. T., Hicks, S. C.2026-07-09
💻 bioinformatics

LeafRank: A phylodynamic framework for inferring relative fitness from single-cell phylogenies in chromosomally unstable tumors

LeafRank is een nieuw fylodynamisch raamwerk dat single-cell DNA-seq fylogenieën en een multi-type vertakkingsprocesmodel benut om de relatieve fitness van individuele cellen in chromosomaal instabiele tumoren te infereren, waarbij het succesvol de groeiheterogeniteit kwantificeert en onthult dat fitness in lineages met een hele-genoomduplicatie wordt verworven door daaropvolgende veranderingen in plaats van door onmiddellijke voordelen.

Wu, C., Leder, K., Wang, Z., Sun, R.2026-07-09
💻 bioinformatics

Rectangle: robust and scalable multiscale deconvolution informed by single-cell RNA sequencing data

Rectangle is een robuust en schaalbaar Python-framework dat multiscale-deconvolutie en expliciete modellering van onbekende inhoud benut om celfenotypen in bulk RNA-seq-data nauwkeurig te resolveren met behulp van single-cell referenties, waardoor hoogwaardige cellulaire profilering op populatieschaal mogelijk wordt.

Eder, B., Rigato, I., Dietrich, A., Merotto, L., Sturm, G., Treis, T., List, M., Theis, F., Finotello, F.2026-07-09
💻 bioinformatics

Coding agents author interpretable single-cell embedding models from the literature

Dit artikel toont aan dat coderende agenten automatisch interpreteerbare, zero-shot single-cell embeddingmodellen kunnen genereren door in de literatuur geciteerde genprogramma's te extraheren en samen te stellen tot benoemde assen, waarbij een biologische kwaliteit wordt bereikt die vergelijkbaar is met datagestuurde methoden, terwijl inherent batch-robuustheid en interpreteerbaarheid worden gewaarborgd zonder dat training of voorafgaande gen-set-databases vereist zijn.

Brunn, N., Krissmer, S. M., Frosch, M., Frick, M., Prinz, M., Binder, H.2026-07-09
💻 bioinformatics

PredHLM: quantitative and interpretable prediction of metabolic half-life in human liver microsomes

Deze studie presenteert PredHLM, een kwantitatief en interpreteerbaar op XGBoost gebaseerd machine learning-model dat is getraind op bijna 12.000 verbindingen en accuraat de metabole halfwaardetijd in menselijke levermicrosomen voorspelt en belangrijke chemische drijfveren identificeert om snelle besluitvorming in de vroege fase van medicijnontwikkeling te ondersteunen.

Jang, J., Cho, N.-C., Oh, K.-S.2026-07-08
💻 bioinformatics

Characterizing dynamic tissue architectures by identifying cell-type-specific spatiotemporal gene programs with stGP

Het artikel introduceert stGP, een statistisch kader dat spatiotemporele transcriptomische gegevens deelt in temporele en ruimtelijke componenten om interpreteerbare, celtype-specifieke genprogramma's te identificeren, waardoor wordt onthuld hoe dynamische weefselarchitecturen en gelokaliseerde cellulaire reacties evolueren over de tijd en door anatomische niches.

Yu, B., Tan, Z., Wan, X., Wang, H., Yang, C.2026-07-08
💻 bioinformatics

Residual Multi-Modal Learning for Pan-Breast-Cancer Drug Response Prediction

Het artikel introduceert DL4DR, een twee-toren residuële late-fusie diepe leerarchitectuur die de respons op medicijnen bij pan-borstkanker voorspelt door cellijnen te coderen als genomische afbeeldingen en moleculaire representaties te combineren, waardoor een superieure generalisatie naar onbekende cellijnen en kankertypes wordt bereikt terwijl nieuwe genomische drivers worden geïdentificeerd zonder afhankelijk te zijn van de identiteit van de cellijn.

Huang, B., Tasaka, L., Li, J., Islam, T., Zhang, S.2026-07-08
💻 bioinformatics

Scanning transcriptomes for nonlinear, domain-level similarities using hmSEEKR

Het artikel introduceert hmSEEKR, een op k-mer gebaseerd Hidden Markov Model dat transcriptomen scant om niet-lineaire, domein-niveau sequentiegelijkenissen in lange niet-coderende RNA's te identificeren, waardoor de ontdekking van functioneel gerelateerde RNA-domeinen en hun geassocieerde eiwitinteractienetwerken mogelijk wordt zonder dat voorafgaande kennis van sequentie-uitlijning vereist is.

Li, S., Sprague, D. A., Eberhard, Q. E., Boyson, S. P., Laederach, A., Calabrese, J. M.2026-07-08
💻 bioinformatics

AllTheBacteria: a community resource empowers biology and discovers novel peptide antibiotics

Het artikel introduceert AllTheBacteria, een uitgebreide gemeenschapsbron die bijna 2,5 miljoen publieke bacteriële genomen uniform verwerkt om grootschalig biologisch onderzoek mogelijk te maken en demonstreert succesvol het nut ervan door het ontdekken en valideren van nieuwe peptideantibiotica via AI-gestuurde mining.

Hunt, M., Torres, M. D. T., Alikhan, N.-F., Anderson, D., Andreani, M. L., Blom, J., Bouras, G., Brinkman, F., Carroll (…)2026-07-07