💻 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

There and back again: a multi-omics tale of thyroid co-expression network rewiring

Deze studie stelt een best-practicekader op voor het construeren van simultane multi-omics gewogen gen-co-expressienetwerken om thyroïdotoxiciteit en herstel in een knaagdiermodel te analyseren, en toont aan dat het concateneren van niet-geschaalde omicslagen de biologische structuur behoudt terwijl het uitgebreide moleculaire verstoring en gedeeltelijk herstel onthult via complementaire modulebehoud- en differentieel connectiviteitsanalyses.

Pozhidaeva, M., Bussmann, H., Huisinga, M., Buesen, R., Hackermüller, J., Canzler, S.2026-05-27
💻 bioinformatics

GAE-Δ: A Graph-Learning Framework for Gene Network Rewiring and Clinical Outcome Prediction from Multi-Omics Data

Het GAE-Δ-framework maakt gebruik van een grafische autoencoder om fenotype-specifieke herschakeling van genennetwerken over multi-omics-data te modelleren, wat leidt tot superieure voorspelling van klinische uitkomsten en de identificatie van biologisch relevante kankerdrijvers in vergelijking met bestaande lineaire factorisatie- en op netwerken gebaseerde methoden.

Tang, Z., Chen, Z., Chen, M., Wang, Y., Ennis, S., Niranjan, M., Ewing, R.2026-05-26
💻 bioinformatics

Decoding Multicellular Communication Motifs from Spatial Transcriptomics with ALARMIST

Het artikel introduceert ALARMIST, een probabilistisch raamwerk dat interpreteerbare multicellulaire communicatiemotieven ontcijfert uit ruimtelijke transcriptomics-data om hogere-orde signaalpatronen en hun downstream fenotypische effecten te identificeren, waarbij de bruikbaarheid wordt aangetoond in het blootleggen van microomgevingsdrijvers van tumorprogressie bij longadenocarcinoom en glioblastoom.

Fan, J., Hood, J., Strong, J., Quinn, J. F., Dai, Y., Data Science TeamLab,, Schein, A., Yu, K. K. H., Tansey, W.2026-05-26
💻 bioinformatics

Integrated optimization of experimental and computational workflows improves genome recovery in long-read gut metagenomics

Dit artikel presenteert een systematische optimalisatie van het CycloneSEQ-platform, waarbij experimentele monsterverwerking wordt geïntegreerd met computationele assemblage-workflows om de beperkingen van short-read sequencing te overwinnen en de terugwinning van complete microbiele genomen uit long-read darmmetagenomica aanzienlijk te verbeteren.

Hu, Y., Sun, L., Huang, Y., Jiang, F., Tong, X., Yang, J., Ju, Y., Yang, Z., Liufu, S., Hu, Y., Ma, W., Guo, R., Li, W. (…)2026-05-26
💻 bioinformatics

Characterizing homology-induced data leakage and memorization in genome-trained sequence models

Dit artikel onthult dat homologie-geïnduceerde datalek systematisch de prestaties van op genoom getrainde sequentiemodellen opblaast doordat deze modellen afhankelijk worden van gememoriseerde associaties in plaats van generaliseerbare principes, en stelt de hashFrag-tool voor om homologie-bewuste data-partitionering mogelijk te maken voor betrouwbaardere evaluatie en verbeterde modelgeneraliseerbaarheid.

Rafi, A. M., Kiyota, B., Yachie, N., de Boer, C. G.2026-05-25
💻 bioinformatics

Time-Resolved Phosphoproteomics-Guided BFS Beam Search Reveals Cell-Type-Specific EGFR Signaling Architectures and SHP2 Inhibitor-Induced Pathway Rewiring

Deze studie introduceert een systematisch computationeel raamwerk dat tijdsopgeloste fosfoproteomica integreert met een BFS-gestuurde Beam Search-algoritme om celtype-specifieke EGFR-signaleringsnetwerken te reconstrueren, waarmee succesvol wordt onthuld hoe SHP2-remming padarchitecturen herschikt en adaptieve resistentiemechanismen aandrijft.

Lee, H., Lee, G.2026-05-23
💻 bioinformatics

Interpreting Omics Data Analysis with Large Language Models for Disease Target and Drug Discovery

Dit artikel introduceert een herkomstbewust Text-to-Target-kader dat schema-gedwongen zoekopdrachten in grote taalmodellen integreert met numerieke analyse van omics-gegevens om interpreteerbare, audit-klare ziekte-doelen en strategieën voor geneesmiddelenontdekking te genereren, met aanzienlijke validatie in de ziekte van Alzheimer en pancreasklierkanker van het uitvoeringskanaal.

XU, Z., Chen, W., Ren, W., Xu, T., Amaechin, S., Khan, R., Chen, Y., Province, M., Payne, P., Li, F.2026-05-23
💻 bioinformatics

Asymmetric Contrastive Objectives for Efficient Phenotypic Screening

Dit artikel introduceert asymmetrische contrastieve doelstellingen, waaronder een geometrisch geïnspireerde SPC-variant die experimentele metadata integreert als geleerde klassenvectoren, om op efficiënte wijze afbeeldingsrepresentaties te extraheren voor fenotypische screening die betere prestaties leveren dan eerdere methoden op meerdere datasets en metrieken, terwijl ze effectief blijven met beperkte data en rekenkracht.

Nightingale, L., Tuersley, J., Warchal, S., Cairoli, A., Howes, J., Shand, C., Powell, A., Green, D., Strange, A., Howel (…)2026-05-22
💻 bioinformatics

Rewriting protein alphabets with language models

Dit artikel introduceert TEA, een nieuw 20-letterig eiwitalfabet afgeleid van taalmodel-embeddings via contrastief leren, dat snelle en gevoelige detectie van verre homologie mogelijk maakt die concurreren met op structuur gebaseerde methoden, terwijl bestaande sequentiezoekalgoritmen worden benut.

Pantolini, L., Studer, G., Engist, L., Pudziuvelyte, I., Pommerening, F., Waterhouse, A. M., Bienert, S., Tauriello, G. (…)2026-05-22