💻 Category

bioinformatics

1180 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

Pre-binning correction of chimeric contigs reduces reference-discordant gene annotations in near-complete metagenome-assembled genomes

De studie introduceert DeepMM, een deep learning-tool die intersoortelijke chimere contigs in metagenoom-geassembleerde genomen detecteert en corrigeert voorafgaand aan het binning-proces, waardoor annotaties van referentie-discordante genen en virulentiefactoren die vaak gemist worden door standaard marker-gebaseerde kwaliteitscontroles, aanzienlijk worden verminderd.

Ding, Y., Xiao, J., Zou, B., Yang, C., Wu, Z., Lyu, A., Zhang, L.2026-10-15
💻 bio-informatica

Joint Variable Selection for Omic Biomarkers in Time-to-Event Data

Het artikel introduceert vampW, een nieuwe volledig parametrische Bayesiaanse methode gebaseerd op Vector Approximate Message Passing en een Weibull-model, die traditionele marginale testen en andere gezamenlijke modellen overtreft door het aantal foutieve ontdekkingen aanzienlijk te verminderen en de voorspelling van ziekte-ontstaan te verbeteren door de effectieve gezamenlijke modellering van gecorreleerde multi-omics biomarkers en tijd-tot-gebeurtenis-data.

Bajzik, J., Depope, A., Zolfimoselo, Y., Sharipov, A., Lesayova, A., Klein, H., Richmond, A., Vernardis, S., Grauslys, A (…)2026-10-14
💻 bio-informatica

Toxicity by Consortium Revisited: Structural Neighbors and Cross-Family Reach

Deze studie herbezoekt een methode uit 2003 voor toxiciteitsvoorspelling op basis van de dichtstbijzijnde buren met behulp van geüpdatete publieke gegevens om de nauwkeurigheid ervan te valideren voor de orale LD50 bij ratten en 28 andere eindpunten, terwijl wordt aangetoond dat een reverse-screening benadering die de structurele reikwijdte van een verbinding over proteïnefamilies meet, de toxiciteitsvoorspelling aanzienlijk verbetert door promiscuïteit te vangen die verder gaat dan standaard fysisch-chemische eigenschappen.

Muskal, S. M., Jha, S. K., Kishore, P., Tyagi, P.2026-10-14
💻 bio-informatica

DNA-LLM2Vec: Architecture-Aware Task-Conditioned Adaptation of Decoder DNA Foundation Models

DNA-LLM2Vec introduceert een gefaseerd framework dat directionele decoder-gebaseerde DNA-fundamentele modellen omzet in bidirectionele encoders, waarmee wordt aangetoond dat de optimale adaptatiestrategie voor downstream genomische taken afhangt van zowel de specifieke taakstructuur als de onderliggende modelarchitectuur.

Liang, Y., Zhai, K., Gan, Y., Li, S., Shao, J., Watson, G. H., Poesio, M.2026-10-14
💻 bio-informatica

E3 Ligase Ligandalyzer: A Structure-First, Ligand-Centric Platform for E3 Ligase Recruiter Selection

Het artikel introduceert E3 Ligase Ligandalyzer, een vrij toegankelijk, op structuur gebaseerd webplatform dat vergelijkende analyse van experimenteel opgeloste E3-ligase-rekruteringscomplexen mogelijk maakt door middel van geïntegreerde chemische informatica en structurele workflows om downstream degrader-ontwerp te faciliteren.

Schulz, J. M., Bardhan, M., Reynolds, R., Leroy, G., Reinberg, D., Schurer, S. C. M.2026-10-14
💻 bio-informatica

NCI-Profiler: automated protein-ligand interaction detection and visualization

De auteurs presenteren NCI-Profiler, een gratis geautomatiseerde tool die negen typen niet-covalente eiwit-ligandinteracties direct uit structurele coördinaten detecteert en visualiseert met een hogere nauwkeurigheid en snelheid dan bestaande tools zoals PLIP, terwijl het een verbeterde dekking biedt voor complexe gevallen zoals metaalcoördinatie en macrocyclische liganden.

Sharma, R., Lee, E. Y.2026-10-14
💻 bio-informatica

AlphaFold3 and Intrinsically Disordered Proteins: Reliable Monomer Prediction, Unpredictable Multimer Performance

Deze studie onthult dat hoewel AlphaFold3 betrouwbaar intrinsiek ongeordende monomeren voorspelt door te leren van trainingsgegevens, de multimeer-voorspellingen onvoorspelbaar blijven vanwege rigide structurele priors die de inputinformatie overstijgen, wat het cruciale belang benadrukt van op wanorde verrijkte datasets en ensemble-sampling boven louter architecturale innovatie.

Dao, T. M., Ghent, S., Uversky, V. N., Rahman, T.2026-10-13
💻 bio-informatica

LOCALE: Local-Alignment Embeddings for Noise-Robust DNA Search at Scale

LOCALE introduceert een ruisbestendig DNA-zoekframework dat sequentie-retrieval herformuleert als dense retrieval met behulp van een met InfoNCE getrainde encoder om variatie-tolerante embeddings te genereren, waarmee het bestaande k-mer indexen en huidige embedding-methoden aanzienlijk overtreft in nauwkeurigheid en schaalbaarheid over petabase-omvangrijke repositories.

Synk, R., Pandey, P., Sahinalp, C., Duraiswami, R.2026-10-13
💻 bio-informatica

VirtualSkin integrates skin-cell identity with intervention-response prediction

VirtualSkin is een celtaalmodel dat er succesvol in slaagt de identiteit van huidcellen te integreren met interventie-responsvoorspelling, waarmee een verbeterde nauwkeurigheid wordt aangetoond bij het annoteren van inflammatoire huidtoestanden en het voorspellen van cellulaire reacties over diverse ziekten, anatomische locaties en perturbaties heen.

Velland, M., Norwick, E., Ardene, S., Marwick, T., Corven, L., Solmere, A., Calder, N., Quillon, R., Renn, I., Elian, M.2026-10-13
💻 bio-informatica

Do LLM Proposers Improve Budgeted Search for Ionizable Lipids?

Deze studie introduceert het LEAF-framework om te evalueren of taalmodellen de gebudgetteerde moleculaire zoektocht naar ioniseerbare lipiden verbeteren, waarbij wordt vastgesteld dat zero-shot LLM-proposers, ondanks variërende graden van bewijsbetrokkenheid, er niet in slagen klassieke baselines zoals genetische algoritmen te overtreffen vanwege hoge duplicatiepercentages en een gebrek aan werkelijke prestatiewinst.

Singh, H., SINGH, R. K., Krishna, C. S., Srivastava, S. P., Gorantla, R.2026-10-13