💻 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

Stability-driven multi-omics integration for reproducible latent structure

Dit artikel stelt een op stabiliteit gebaseerd multi-omics integratiekader voor dat sparse generalized canonical correlation analysis combineert met rigoureuze kruisvalidatie om reproduceerbare latente structuren te identificeren, waarbij de effectiviteit ervan wordt aangetoond in een schildklierkankercohort door consistente ziekteassociaties en temporele veranderingen in metabolomische en proteomische profielen te onthullen.

Guan, H., Gerwen, M. v., Kim-Schulze, S., Colicino, E., Dolios, G., Petrick, L.2026-08-25
💻 bio-informatica

Benchmarking the robustness of segmentation models to corruptions in biological imaging

Dit artikel presenteert een uitgebreide benchmark van de robuustheid van segmentatiemodellen over 30 biologische beeldvormingsdatasets en 36 corruptietypes, waarbij wordt onthuld dat een hoge prestatie op schone afbeeldingen geen garantie biedt voor weerstand tegen corruptie en dat oudere methoden zoals StarDist moderne foundationmodellen kunnen overtreffen, waarbij fouten voornamelijk optreden in de vroege coderingslagen.

Kesenci, Y., Le Folgoc, L., Angelini, E.2026-08-25
💻 bio-informatica

Benchmarking antibody-antigen co-folding on human monomeric antigens

Deze studie introduceert de HuMonoAg-Bench benchmark om tien antilichaam-antigeen co-folding protocollen te evalueren, waarbij wordt onthuld dat hoewel recente methoden de CDRH3-modellering aanzienlijk hebben verbeterd en een gemiddelde of betere nauwkeurigheid hebben bereikt voor ongeveer de helft van de post-cutoff complexen, uitdagingen aanhouden bij het samplen van correcte bindingsmodi en het modelleren van flexibele loops, wat de voorspelling van veel structureel heterogene complexen beperkt.

Park, M., Nett, R., Petersen, B., Sivasubramanian, A.2026-08-24
💻 bio-informatica

Kiosc: an integrated platform for managing bioinformatics data analysis containers

Kiosc is een zelfgehost, gebruiksvriendelijk webplatform gebouwd op Django dat de orchestratie, organisatie en toegangscontrole van Docker-gecontaineriseerde bio-informatica webapplicaties vereenvoudigt, en een alternatief met minder overhead biedt voor Kubernetes voor het delen van interactieve analyseresultaten.

Marotta, F., Stolpe, O., Obermayer, B., Weiner, J., Holtgrewe, M., Beule, D., Nieminen, M.2026-08-24
💻 bio-informatica

Microenvironment-informed inference of transcriptional progression geometry

Het artikel introduceert BIOCURRENT, een causaal inferentiekader dat de donorspecifieke pseudotijdgeometrie reconstrueert om te kwantificeren hoe micro-omgevingscontexten transcriptionele progressie-intervallen vervormen, waardoor stadiumspecifieke afwijkingen en potentiële interventiecheckpoints worden geïdentificeerd in complexe biologische systemen zoals T-celontwikkeling en immuundysregulatie door COVID-19.

Kobara, S., Rahman, S. A., Ribeiro, S. P., Coopersmith, C. M., Kamaleswaran, R.2026-08-24
💻 bio-informatica

CodonMamba: a foundation model for programmable mRNA coding sequence design

CodonMamba is een state-of-the-art foundation model voor het ontwerpen van mRNA-coderende sequenties dat, door middel van pretraining op grootschalige corpora, superieure prestaties bereikt in voorspellings-taken en programmeerbare, sturing tijdens de inferentie van codon-optimalisatie mogelijk maakt om aan specifieke gastheer- of applicatievoorkeuren te voldoen zonder hertraining.

Lang, M., Fang, X., Wang, Z., Chen, M., Cheng, Z., Zhu, X., Tam, K. Y., Zhang, J., Li, X.2026-08-24
💻 bio-informatica

Bayesian Network Structure Learning: The NewCalibrated Minimum Uncertainty Criterion andDiscriminative Power Evaluation Framework

Dit artikel introduceert een resolutiebewust, gekalibreerd Minimum Uncertainty-criterium en een raamwerk voor de evaluatie van het onderscheidend vermogen om de robuustheid, interpreteerbaarheid en statistische kalibratie van het leren van de structuur van Bayesiaanse netwerken uit heterogene gegevens te verbeteren.

Gogoshin, G., RODIN, A. S.2026-08-23
💻 bio-informatica

Delta Marches: Generative AI based image synthesis to decode disease-driving morphologic transformations.

Delta-Marches is een generatief AI-framework dat ziekteprocessen decodeert door geïdealiseerde morfologische transities tussen weefselklassen te simuleren om de subcellulaire kenmerken te pinpointen die pathofysiologische veranderingen aansturen, zoals aangetoond bij de gradatie van niercelcarcinoom en colorectale dysplasie.

Nguyen, T. H., Panwar, V., Jarmale, V., Perny, A., Dusek, C., Cai, Q., Kapur, P. H., Danuser, G., Rajaram, S.2026-08-22
💻 bio-informatica

KRAKEN: A provenance-tracked knowledge graph for multiomic and wellness research

KRAKEN is een schaalbare, op herkomst gebaseerde kennisgraaf die de ondervertegenwoordiging van multiomische en wellness-data aanpakt door diverse biomedische bronnen te integreren in een modulair, 15-miljoen-knooppunten systeem met gestandaardiseerde semantiek, ingebouwde analytische tools en multimodale interfaces voor zowel menselijk als AI-gestuurd onderzoek.

Glen, A. K., Witherington, D., Leslie, T., Baumgartner, A., Fernando, A., Vemuri, B., Nahman, O., Glusman, G., Hood, L. (…)2026-08-22
💻 bio-informatica

Sequence-Derived Representations versus Pfam-Domain Content for Biosynthetic Gene Cluster Retrieval

Deze studie toont aan dat expliciete Pfam-domeininhoud de voor ESM-2 sequentieafgeleide representaties evenaart of overtreft bij het ophalen van biosynthetische genclusters, wat aangeeft dat sequentie-embeddings momenteel de recuperatie van alternatieve biosynthetische paden niet verbeteren voorbij de gevestigde domein-gebaseerde metrieken.

Urokov, R., Khan, A., Eshboyev, F., Asadov, D., Rahman, S., Kushokova, D.2026-08-22