💻 Category

bioinformatics

1199 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

CardioSafe: Multi-task prediction of cardiac ion channel activity with reverse-leak audited benchmarking

CardioSafe is een multi-task neurale netwerkmethode die chemische en transcriptomische kenmerken integreert om de activiteit van cardiale ionkanalen te voorspellen en presteert superieur ten opzichte van bestaande methoden nadat een reverse-leak audit besmetting van de trainingsdata had blootgelegd en verwijderd die eerder de benchmarkresultaten voor Nav1.5- en Cav1.2-kanalen had opgeblazen.

Jovanovic, M., Weidener, L. S., Brkic, M., Ulgac, E., Meduri, A.2026-05-12
💻 bio-informatica

Amino Acid Insertion Energetics in a POPC Bilayer from Unbiased Molecular Dynamics

Deze studie maakt gebruik van onbevooroordeelde moleculair-dynamica-simulaties om de insertie-energetiek van 28 aminozuuranalogen in een POPC-bilayer te kwantificeren, waarbij diepteaafhankelijke vrije-energieprofielen worden gegenereerd die experimentele hydrofobiciteitsschalen succesvol reproduceren en de thermodynamische rollen van protoneringstoestanden en aromatische oriëntatie verduidelijken.

Bories, S. C. A., Lague, P.2026-05-12
💻 bio-informatica

CausalKnowledgeTrace: A Novel Computational Framework for Automated Literature-Based Causal Graph Construction and Evidence-Based Variable Selection in Biomedical Research

CausalKnowledgeTrace is een schaalbaar, op Python gebaseerd computatiefraamwerk dat de constructie van op bewijs gebaseerde causale grafieken uit biomedische literatuur automatiseert om systematisch verstorende factoren en biasstructuren te identificeren voor verbeterde causale inferentie in observationele studies.

Upadhayaya, R., Pradhan, M. M., Metzger, V. T., Malec, S. A.2026-05-12
💻 bio-informatica

The elusive resistome: a global comparison reveals large discrepancies among detection pipelines

Deze studie toont aan dat het ontbreken van een gestandaardiseerde methodologie bij het detecteren van antibioticaresistentiegenen leidt tot enorme discrepanties tussen analysepijplijnen, waardoor dezelfde metagenomische data tot tegenstrijdige biologische interpretaties leiden en onderstreept dat onderzoekers hun gekozen analytische benaderingen zorgvuldig moeten rechtvaardigen en communiceren.

Inda-Diaz, J. S., Adegoke, F., Löber, U., Jarquin-Diaz, V. H., Duan, Y., Bengtsson-Palme, J., Ugarcina Perovic, S., Coe (…)2026-05-12
💻 bio-informatica

Zero-shot biological reasoning with open-weights large language models reproduces CRISPR screen based prediction of synthetic lethal interactions.

Deze studie toont aan dat open-weight grote taalmodellen, met name Qwen2.5-32B-Instruct, synthetisch dodelijke interacties effectief kunnen voorspellen door gebruik te maken van vooraf getrainde biologische kennis om beter te presteren dan willekeurige kans en methoden zonder grote taalmodellen, en zo een schaalbaar en interpreteerbaar alternatief bieden voor het prioriteren van nieuwe therapeutische doelen bij kanker.

Prosz, A. G., Sztupinszki, Z., Diossy, M., Kilim, O., Zimon, B., Szallasi, Z., Csabai, I. G.2026-05-11
💻 bio-informatica

Deep Computational Anatomy via Latent-Aligned Multiview Normalizing Flows

Dit artikel introduceert Latent-Aligned Multiview Normalizing (LAMNr)-flows, een deep learning-raamwerk dat gedeelde latente deelruimten leert over heterogene multimodale datasets om exacte-likelihood-modellering, cross-view imputatie in gesloten vorm en een computatiele anatomische interpretatie van populatietemplates en geodetische interpolatie mogelijk te maken, ondersteund door een uitgebreide open-source PyTorch-implementatie die is geïntegreerd met het ANTsX-ecosysteem.

Tustison, N. J., Avants, B. B., Cook, P. A., Gee, J. C., Stone, J. R.2026-05-11
💻 bio-informatica

Cadence: A Benchmark Evaluation of the Narrative Velocity Framework for Next Clinical Event Prediction in MIMIC-IV

Deze studie introduceert het Cadence-model, een Narratieve Snelheidskader dat gebruikmaakt van zelfgedistilleerde PubMedBERT-embeddings binnen een residu MLP, welke statistisch significante verbeteringen toont in de nauwkeurigheid van de voorspelling van de volgende klinische gebeurtenis en regressie van tijd tot gebeurtenis ten opzichte van sterke baselines op de MIMIC-IV-dataset, terwijl het specifieke kalibratie- en generalisatieuitdagingen benadrukt.

Rouhollahi, A., Nezami, F. R.2026-05-11
💻 bio-informatica

Benchmarking long-read simulators against Oxford Nanopore whole-genome sequencing data

Deze studie vergelijkt zes Oxford Nanopore-leessimulatoren met R10.4.1-gegevens en stelt vast dat, hoewel PBSIM3 uitstekend is in het nabootsen van algemene eigenschappen op leesniveau, geen enkel hulpmiddel de complexe foutprofielen van echte gegevens volledig weergeeft, wat suggereert dat de optimale keuze afhangt van de vraag of realisme op leesniveau of specifieke foutstructuren voor een bepaalde toepassing belangrijker zijn.

Taouk, M. L., Ingle, D. J., Wick, R. R.2026-05-11
💻 bio-informatica

Nanopore event detection in a simple and adaptive way

Dit artikel presenteert en valideert een eenvoudig, snel en aanpasbaar op clusters gebaseerd algoritme voor gebeurtenisdetectie (CBED) dat bestaande methoden overtreft in efficiëntie en ruisreductie voor biologische nanopore-data, terwijl het de noodzaak van adaptieve baselijncorrectie voor solid-state nanopore-data benadrukt.

Wei, P., Kansari, M., Mierzejewski, M., Ensslen, T., Lin, C.-Y., Kavetsky, K., Jones, P. D., Behrends, J. C., Drndic, M. (…)2026-05-11