💻 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

A geometric-to-neural cascade for cerebral microbleed detection in susceptibility-weighted MRI

Dit artikel presenteert een volledig geautomatiseerde, driestaps geometrisch-naar-neurale cascade-pipeline die subject-adaptieve unsupervised kandidaatgeneratie combineert met twee lichtgewicht 3D ResNet-classifiers, getraind op minimale human-in-the-loop labels, om een hoge nauwkeurigheid te bereiken bij de detectie van cerebrale microbloedingen in susceptibiliteitsgewogen MRI, terwijl het aantal fout-positieven door vasculaire en niet-vasculaire mimics aanzienlijk wordt verminderd.

Bogdanov, S., Rudravaram, G., Saunders, A. M., Kim, M. E., LeFevre, J., Charles, J., Jain, S., Schrag, M. S., Landman, B (…)2026-07-28
💻 bio-informatica

Spaceland: Histology-Guided Reconstruction of High-Resolution Whole-Organ 3D Molecular Atlases from Sparse Spatial Transcriptomics

Spaceland is een morfologie-gestuurd computationeel framework dat continue, hoog-resolutie 3D moleculaire atlas van volledige organen reconstrueert door ijle ruimtelijke transcriptomica te integreren met seriële H&E-histologie, waardoor schaalbare virtuele weefselmodellering mogelijk wordt zonder de noodzaak van uitputtende experimentele bemonstering.

Xu, F., Zhuang, Z., Zhu, Y., Ying, B., Hou, N., Lin, W., Wang, L., Yang, C., song, j.2026-07-27
💻 bio-informatica

Estimation of biological age using HRV data: comparison of the Klemera-Dubal method with the multiple linear regression method

Deze studie vergelijkt meervoudige lineaire regressie (MLR), bias-gecorrigeerde MLR en de Klemera-Doubal Method (KDM) voor het schatten van de biologische leeftijd op basis van hartslagvariabiliteitsgegevens bij 343 proefpersonen, waarbij wordt vastgesteld dat KDM de laagste schattingsfout oplevert, terwijl de bias-gecorrigeerde MLR een verbeterde nauwkeurigheid biedt ten opzichte van ongecorrigeerde MLR, maar beperkt wordt door de afhankelijkheid van chronologische leeftijd.

Pysaruk, A.2026-07-27
💻 bio-informatica

GPSNorm: Gaussian Process Spatial Normalization for Spatial Transcriptomics

GPSNorm is een nieuw Bayesiaans ruimtelijk normalisatiekader dat technische variatie, ruimtelijke structuur en biologisch signaal gezamenlijk modelleert met behulp van een hiërarchische Gaussische procesbenadering om normalisatieonzekerheid door te geven aan downstream differentiële expressieanalyse, waardoor de robuustheid en interpreteerbaarheid van ruimtelijke transcriptomica-gegevens worden verbeterd.

Taychameekiatchai, A., Zhan, X., Xiao, G., Ruan, P.2026-07-27
💻 bio-informatica

deepthought: the microscopy acquisition stack as an object of study

Dit artikel presenteert "deepthought", een modulaire stack voor microscopie-acquisitie die veelvoorkomende componenten zoals apparaattoegang en opslag standaardiseert, terwijl de applicatiespecifieke interpretatie- en doelwitlogica wordt geïsoleerd, waardoor autonome, 'analysis-in-the-loop' beeldvorming mogelijk wordt over diverse biologische scenario's heen, zoals high-throughput screening en langdurige live-cell tracking.

Kesavan, P. S., Devadasan, S., Bohra, D.2026-07-26
💻 bio-informatica

Phenotype-driven de novo molecular design from gene expression signatures

Het artikel introduceert Tx2Mol, een transcriptoom-gestuurd framework dat genexpressie-handtekeningen vertaalt naar chemisch plausibele en biologisch relevante de novo moleculen, waarbij een superieure prestatie wordt aangetoond ten opzichte van bestaande baselines in het behouden van fenotypische responsen over bulk-, single-cell- en patiënt-afgeleide ziektecontexten heen.

Xu, Y., Kuang, T., Ge, S., Wu, H., Wang, M., Xu, H., An, F., Ma, Z., Cheng, Q., Ren, Z.2026-07-25