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.

💻 bio-informatica

Computational Design and Atomistic Validation of a High-Affinity VHH Nanobody Targeting the PI/RuvC Interface of Streptococcus pyogenes Cas9: A Bivalent Hub Strategy for CRISPR-Cas9 Enhancement

Dit artikel beschrijft een volledig computationele pipeline voor het *de novo* ontwerpen en atomaire valideren van een hoog-affiniteit VHH-nanobody die specifiek bindt aan het PI/RuvC-interface van SpCas9, waarmee een stabiel bivalent hub-platform wordt gecreëerd voor de verbetering van CRISPR-Cas9-toepassingen.

Kumar, N., Dalal, D., Sharma, V.2026-03-25

💻 bio-informatica

AI-guided design of candidate BMPR1A-binding peptides for cartilage regeneration: a multi-tool computational benchmarking study

Deze studie presenteert een reproduceerbaar computeraangedreven raamwerk dat vier generatieve AI-tools heeft gebenchmarkt om nieuwe peptiden te ontwerpen die aan BMPR1A binden voor kraakbeenregeneratie, waarbij een PepMLM-ontwerp als meest veelbelovende kandidaat werd geïdentificeerd voor toekomstige experimentele validatie.

Ahmadov, A., Ahmadov, O.2026-03-25

💻 bio-informatica

CBIcall: a configuration-driven framework for variant calling in large sequencing cohorts

CBIcall is een open-source, configuratiegedreven framework dat reproduceerbare en gestandaardiseerde variantbepalingspipelines voor grote NGS-cohorten mogelijk maakt door diverse workflow-backends en toolversies te verenigen via één YAML-configuratiebestand.

Rueda, M., Fernandez Orth, D., Gut, I. G.2026-03-25

💻 bio-informatica

Co-folding of Membrane Proteins and Lipid Molecules Improves Membrane-Protein Structure Prediction Accuracy

Deze studie introduceert CoMPLip, een trainingsvrije methode die de voorspellingsnauwkeurigheid van membraaneiwitstructuren verbetert door ze expliciet samen met lipiden te vouwen binnen AlphaFold 3, waardoor een membraan-achtige omgeving ontstaat die de ligandpositie, domeinseparatie en conformationele diversiteit ten goede komt.

Oheda, H., Inoue, M., Ekimoto, T., Yamane, T., Ikeguchi, M.2026-03-25

💻 bio-informatica

Deconvolution of omics data in Python with Deconomix -- cellular compositions, cell-type specific gene regulation, and background contributions

De economix is een uitgebreide Python-toolbox met een grafische interface die bulk-transcriptomics-data analyseert om celcomposities, celspecifieke genregulatie en achtergrondbijdragen nauwkeurig te ontrafelen, met een demonstratie op TCGA-borstkankerdata.

Mensching-Buhr, M., Sterr, T., Voelkl, D., Seifert, N., Tauschke, J., Engel, L., Rayford, A., Straume, O., Grellscheid (…)2026-03-24

💻 bio-informatica

A universal model for drug-receptor interactions

Dit artikel presenteert een machine learning-model dat, door te leren van reducerende trainingsdata, de principes van niet-gebonden interacties tussen geneesmiddelen en receptoren succesvol kan infereren en zo een theoretisch raamwerk biedt voor het voorspellen van moleculaire herkenning in nieuwe chemische stoffen.

Menezes, F., Wahida, A., Froehlich, T., Grass, P., Zaucha, J., Napolitano, V., Siebenmorgen, T., Pustelny, K., Barzowska (…)2026-03-24

💻 bio-informatica

FlashDeconv enables atlas-scale, multi-resolution spatial deconvolution via structure-preserving sketching

FlashDeconv is een nieuwe methode die structurele informatie behoudt bij het samenvoegen van data, waardoor het mogelijk wordt om op atlas-schaal en in verschillende resoluties ruimtelijke celtype-deconvolutie uit te voeren met hoge nauwkeurigheid en snelheid, wat leidt tot nieuwe inzichten in weefselmicro-omgevingen die met bestaande methoden onzichtbaar blijven.

Yang, C., Chen, J., Zhang, X.2026-03-24

💻 bio-informatica

Col-Ovo: Smartphone-based artificial intelligence for rapid counting of Aedes mosquito eggs under field conditions

Het artikel introduceert Col-Ovo, een op kunstmatige intelligentie gebaseerde smartphone-toepassing die de snelle en nauwkeurige telling van Aedes-muggeneitjes in veldomstandigheden mogelijk maakt, waardoor de operationele knelpunten van handmatige tellingen in de surveillance van dengue- en zikavirussen worden opgelost.

Almanza, J., Montenegro, D.2026-03-24

💻 bio-informatica

PACMON: Pathway-guided Multi-Omics data integration for interpreting large-scale perturbation screens

Dit artikel introduceert PACMON, een schaalbaar Bayesiaans model dat grote multimodale verstoringsscreens integreert om effecten van verstoringen direct te koppelen aan interpreteerbare biologische pathways.

Qoku, A., Stickel, T., Amerifar, S., Wolf, S., Oellerich, T., Buettner, F.2026-03-24

💻 bio-informatica

TCRseek: Scalable Approximate Nearest Neighbor Search for T-Cell Receptor Repertoires via Windowed k-mer Embeddings

Dit paper introduceert TCRseek, een schaalbaar tweestapszoekraamwerk dat windowed k-mer embeddings en benaderde dichtste-buren-indexering combineert met een herordening op basis van exacte uitlijning om TCR-repertoires efficiënt en gevoelig te doorzoeken.

Yang, Y.2026-03-24

← Vorige Volgende →