bioinformatics papers | Gist.Science

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

Comprehensive characterization of V(D)J recombination from long-read transcriptomic data with VDJcraft

Dit artikel introduceert VDJcraft, de eerste geïntegreerde pipeline voor de nauwkeurige analyse van V(D)J-recombinatie met behulp van lange-read transcriptoomdata, die niet alleen de detectie van genen en recombinaties verbetert ten opzichte van bestaande methoden, maar ook de ontdekking van nieuwe gen-varianten en ziekte-geassocieerde immuunpatronen, zoals tijdens COVID-19, mogelijk maakt.

Hu, K., Rosenberg, A. F., Song, Y., Fan, C.-H., Peng, Z., Gao, M., Chong, Z.2026-04-05

💻 bioinformatics

The gift of novelty: repeat-robust k-mer-based estimators of mutation rates

Deze paper introduceert drie nieuwe schatters voor mutatiesnelheden die gebaseerd zijn op k-mers en robuust zijn tegen herhalende sequenties, waarmee ze de beperkingen van bestaande methoden oplossen en superieure prestaties leveren bij het analyseren van repetitief DNA zoals alpha-satellieten.

Wu, H., Medvedev, P.2026-04-05

💻 bioinformatics

Interpretable Deep Learning-Based Multi-Omics Integrationfor Prognosis in Hepatocellular Carcinoma

Deze studie presenteert een interpreteerbaar, op aandacht gebaseerd deep learning-framework dat mRNA, miRNA en DNA-methylatie data integreert om de prognose van hepatocellulair carcinoma (HCC) significant te verbeteren ten opzichte van bestaande modellen, terwijl het tegelijkertijd biologisch relevante biomarkers identificeert.

Znabu, B. F., Atif, Z.2026-04-05

💻 bioinformatics

PanTEon: a cross-kingdom framework to guide the design of transposable element classifiers

De auteurs presenteren PanTEon, een reproducible en schaalbaar deep learning-framework dat een gestandaardiseerde database en een modulair benchmarkplatform combineert om de classificatie van transposabele elementen over verschillende koninkrijken te verbeteren en de uitdagingen bij de generalisatie tussen soorten aan te pakken.

Orozco-Arias, S., Ferrer-Pomer, I., Rodrigues de Goes, F., Gaviria-Orrego, S., Gomiz-Fernandez, J., Llatser-Torres, J. (…)2026-04-04

💻 bioinformatics

Correlate: A Web Application for Analyzing Gene Sets and Exploring Gene Dependencies Using CRISPR Screen Data

Correlate is een gratis, browsergebaseerde webapplicatie die het mogelijk maakt om CRISPR-screendata van het Cancer Dependency Map te analyseren en genafhankelijkheden te onderzoeken door correlaties direct uit functionele data af te leiden in plaats van op vooraf bestaande biologische annotaties.

Deolankar, S., Wermeling, F.2026-04-04

💻 bioinformatics

Improved quantitation in data-independent acquisition proteomics via retention time boundary imputation

Dit artikel introduceert Nettle, een open-source tool die de kwantificering in DIA-proteomica verbetert door ontbrekende pieken te imputeren op basis van retentietijdgrenzen in plaats van directe signaalwaarden, wat leidt tot nauwkeurigere resultaten en een lagere detectielimiet.

Harris, L. J., Riffle, M., Shulman, N., Fondrie, W. E., Wu, C. C., Johnson Erickson, D. P., Morimoto, A., Shaver, B., St (…)2026-04-03

💻 bioinformatics

CellWHISPER disentangles direct cell-cell communication from structural proximity

CellWHISPER is een statistisch framework dat directe cel-celcommunicatie, zoals gap junctions en ligand-receptorinteracties, betrouwbaar ontrafelt van structurele nabijheid in ruimtelijke transcriptomics-data door confounding factoren te corrigeren, waardoor het schaalbaar is en nieuwe inzichten biedt in weefselfysiologie en ziekteprocessen zoals de ziekte van Alzheimer.

Kumar, A., Moctezuma, F. R., Aggarwal, B., Zhang, N., Coskun, A. F., Sinha, S.2026-04-03

💻 bioinformatics

GATSBI: Improving context-aware protein embeddingsthrough biologically motivated data splits

Dit artikel introduceert GATSBI, een graph attention-framework dat contextbewuste eiwit-embeddings genereert en aantoont dat het gebruik van biologisch gemotiveerde data-splits leidt tot aanzienlijk betere generalisatie, vooral voor minder bestudeerde eiwitten.

Nayar, G., Altman, R. B.2026-04-03

💻 bioinformatics

muat: portable transformer-based method for tumour classification and representation learning from somatic variants

Dit artikel introduceert muat, een draagbare transformer-gebaseerde software voor het classificeren van tumoren en het leren van representaties uit somatische varianten, die via Docker en Bioconda beschikbaar is voor veilige en schaalbare implementatie in diverse computermilieus.

Sanjaya, P., Pitkänen, E.2026-04-03

💻 bioinformatics

PANDA: Read-Level Phased Analysis of DNA Amplicons for Methylation Studies

Dit artikel introduceert PANDA, een end-to-end grafische pipeline die continue methyleringspatronen op molecuulniveau reconstrueert uit bisulfiet-sequencing-data van DNA-ampliconen, waardoor epiallelische heterogeniteit en langere fase-informatie over ongesequencede regio's nauwkeurig kunnen worden geanalyseerd.

Kubota, A., Kobayashi, H., Tajima, A.2026-04-03

← Vorige Volgende →