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.

Explainable protein-protein binding affinity prediction via fine-tuning protein language models

Deze studie presenteert een schaalbaar en verklaarbaar kader dat taalmodellen voor eiwitten fijnstemt om de bindingsaffiniteit van eiwit-eiwitinteracties uitsluitend op basis van sequentie te voorspellen, waardoor de nauwkeurigheid en data-efficiëntie worden verbeterd zonder afhankelijk te zijn van driedimensionale structuren.

Singh, H., SINGH, R. K., Srivastava, S. P., Pradhan, S., Gorantla, R.2026-04-01💻 bioinformatics

Transcriptome-based cell type assignment for kidney cell culture models

Deze studie introduceert een transcriptoomgebaseerde methode en bijbehorende tools om de transcriptomische overeenkomst tussen niercellijnen en hun oorspronkelijke celtypen te valideren, waardoor onderzoekers betere beslissingen kunnen nemen bij de selectie en interpretatie van niercelkweekmodellen.

Schobert, M., Boehm, S., Borisov, O., Li, Y., Greve, G., Edemir, B., Woodward, O. M., Jung, H. J., Koettgen, M. M., Westermann, L., Schlosser, P., Hutter, F., Kottgen, A., Haug, S.2026-04-01💻 bioinformatics

IMMREP25: Unseen Peptides

Het IMMREP25-benchmarkresultaten tonen aan dat de integratie van structurele modellering in TCR:pMHC-bindingsvoorspellingen voor onbekende peptiden een significante vooruitgang betekent ten opzichte van eerdere methoden die slechts willekeurig presteerden.

Richardson, E., Aarts, Y. J. M., Altin, J. A., Baakman, C. A. B., Bradley, P., Chen, B., Clifford, J., Dhar, M., Diepenbroek, D., Fast, E., Gowthaman, R., He, J., Karnaukhov, V., Marzella, D. F., Meys (…)2026-04-01💻 bioinformatics

Inferring circadian phases and quantifying biological desynchrony across single-cell transcriptomes

Dit artikel introduceert scRitmo, een probabilistisch raamwerk dat circadiane fasen uit single-cell RNA-sequencing-data infereert en biologische desynchronisatie onderscheidt van technische ruis, waarmee het een geavanceerde methode biedt voor het kwantificeren van circadiane coherentie in diverse weefsels en organismen.

Salati, A., Paychere, Y., Hahaut, V., Gobet, C., Naef, F.2026-04-01💻 bioinformatics

An Integrated Computational-Experimental Strategy For the Prediction of Small Molecules as GLP-1R Agonists

Deze studie presenteert een geïntegreerde computationeel-experimentele strategie die succesvol drie chemisch verschillende GLP-1R-agonisten identificeerde, waaronder het veelbelovende pentapeptide DPDPE met dubbele GLP-1R/GIPR-activiteit, en zo een robuust raamwerk biedt voor de ontdekking van nieuwe therapeutica bij conformationeel flexibele GPCR-doelen.

Murcia Garcia, E., Tian, N., Alonso Fernandez, J. R., Cai, X., Yang, D., Hernandez Morante, J. J., Perez Sanchez, H.2026-04-01💻 bioinformatics

The human pangenome reference reduces ancestry-related biases in somatic mutation detection

Dit onderzoek toont aan dat het menselijke pangenoomreferentiegrafiek de nauwkeurigheid van somatische mutatiedetectie verbetert en voornamelijk de ancestry-gerelateerde bias vermindert bij personen van Oost-Aziatische afkomst, waardoor de noodzaak voor kostbare ensemble-methoden afneemt.

Pham, C. V. K., Abdelmalek, F. S. A., Hua, T., Apel, E., Bizjak, A., Schmidt, E. J., Houlahan, K. E.2026-04-01💻 bioinformatics

Automated refinement of metagenomic bins and estimation of binning success using itBins

Dit artikel introduceert itBins, een volledig geautomatiseerde en uiterst snelle Python-software die metagenomische bins verfijnt op basis van %GC-gehalte, dekking en taxonomie, en tegelijkertijd de binning-succesgraad inschat, waarmee het zowel nauwkeuriger is dan bestaande geautomatiseerde hulpmiddelen als vergelijkbaar presteert met handmatige verfijning.

Kuenkel, J. M., Bornemann, T. L. V., Xiu, W., Starke, J., Stach, T. L., Rodrigues Soares, A., Schloetterer, J., Seifert, C., Probst, A. J.2026-04-01💻 bioinformatics

Temporal AI model predicts drivers of cell state trajectories across human aging

In dit artikel wordt MaxToki, een tijdsafhankelijk AI-model getraind op bijna een biljoen genen, gepresenteerd als een krachtig hulpmiddel om de verouderingsprocessen van menselijke cellen te voorspellen en nieuwe therapeutische doelwitten te identificeren die experimenteel zijn geverifieerd.

Gomez Ortega, J., Nadadur, R. D., Kunitomi, A., Kothen-Hill, S., Wagner, J. U. G., Kurtoglu, S. D., Kim, B., Reid, M. M., Lu, T., Washizu, K., Zanders, L., Chen, H., Zhang, Y., Ancheta, S., Lichtarge (…)2026-04-01💻 bioinformatics