La bioinformatique se situe à la croisée fascinante de la biologie et de l'informatique, où des données biologiques complexes sont transformées en connaissances actionnables grâce à des algorithmes puissants. Ce domaine permet aux chercheurs de décrypter le code de la vie, d'analyser des séquences génétiques massives et de modéliser des interactions moléculaires avec une précision inédite, accélérant ainsi les découvertes médicales et biologiques.

Sur Gist.Science, nous nous engageons à rendre ces travaux accessibles à tous. Chaque nouvelle prépublication soumise sur bioRxiv dans cette catégorie est traitée par nos soins, offrant à la fois un résumé technique détaillé pour les experts et une explication claire en langage courant pour le grand public.

Vous trouverez ci-dessous la sélection des dernières études parues dans ce domaine, prêtes à être explorées.

💻 bio-informatique

GLOM TGITO: multiscale protein modelling and multiview landscape-guided sequence discovery

GLOM-TGITO est un cadre de conception de protéines multi-échelle qui intègre la prédiction de fluorescence globale-locale avec une optimisation guidée par le paysage multi-vues pour découvrir efficacement des variants protéiques à haute activité, fiables et novateurs, surpassant les méthodes existantes tant en précision prédictive qu'en l'identification de candidats structurellement stables.

Xiong, Y., Tirta, Y. K., Wang, S., Hu, Z., Ma, W., Yuan, S.2026-10-28
💻 bio-informatique

NK-RCPP: a receptor-conditioned computational workflow for prioritizing neurokinin-receptor peptide candidates

Le flux de travail NK-RCPP démontre que l'intégration des scores de ciblage sur cible appariés aux récepteurs avec des comparaisons de voisinage structurel affine considérablement la hiérarchisation des candidats peptides des récepteurs de la neurokinine, produisant une liste restreinte distincte qui diffère des sélections basées uniquement sur l'activité sur cible.

Zhou, X., Zhang, H., Ning, K.2026-10-28
💻 bio-informatique

MPFIL: Multi-Level Protein Feature Integration for Predicting Mutation-Induced Protein-Protein Binding Affinity Changes

L'article propose MPFIL, un cadre d'intégration de caractéristiques multi-niveaux qui combine des informations structurelles et séquentielles pour prédire efficacement les changements induits par les mutations dans l'affinité de liaison protéine-protéine, démontrant une performance compétitive sur plusieurs ensembles de données de référence.

Zhang, H., Liu, Y., Yu, L., Guo, M.2026-10-27
💻 bio-informatique

Building computational benchmarks: an Omnibenchmark reimplementation of a single-cell preprocessing pipeline evaluation

Cet article présente Omnibenchmark, un cadre reproductible et standardisé qui unifie l'évaluation des pipelines de prétraitement de séquençage d'ARN de cellule unique afin de remédier aux incohérences des benchmarks existants et de faciliter des comparaisons de méthodes plus flexibles et extensibles.

Choudhury, A., Kitak, T., Carrillo, B., Busch, P., Emons, M., Gunz, S., Koderman, M., Luo, S., Mallona, I., Meara, A., W (…)2026-10-26
💻 bio-informatique

Pathway-Based Analysis of Essential Metabolic Enzymes as Drug Targets

Cette étude identifie l'enzyme métabolique essentielle PabB comme une cible thérapeutique prometteuse pour la tuberculose et utilise l'analyse de voies computationnelles et le docking moléculaire pour cribler des médicaments approuvés par la FDA, mettant finalement en évidence le Ligand 5 et le Ligand 27 comme candidats potentiels pour le repositionnement de médicaments.

Bhat, D. S., Singh, B.2026-10-26
💻 bio-informatique

Mapping bioimage-analysis software adoption in microscopy

Cette étude analyse 1,7 million d'articles de microscopie de 2010 à 2025 pour révéler une dépendance croissante aux logiciels d'analyse d'images — menée par ImageJ/Fiji avec une adoption de plus en plus spécifique au domaine d'outils tels que QuPath et napari — tout en soulignant que les nombres de citations sous-estiment souvent l'utilisation réelle et en exhortant les chercheurs à citer et rapporter explicitement leurs méthodes logicielles afin d'améliorer la reproductibilité.

Shakespeare, T., Saraiva, B. M., Cunha, I., Jacobs, C., Jacquemet, G., Henriques, R.2026-10-26
💻 bio-informatique

A Pipeline for Predicting Variant Associations with Complex Disorders via Functional Annotations

Cet article présente un pipeline évolutif et reproductible qui intègre les statistiques de synthèse d'études d'association pangénomique (GWAS) à des annotations fonctionnelles afin de générer des ensembles de données curés, équilibrés et riches en annotations pour étudier systématiquement les associations de variants avec des troubles complexes.

Gualdi, F., Darani, Z., Malpetti, D., Scutari, M., Mangili, F.2026-10-26
💻 bio-informatique

Auto-AVS: A Novel Framework for Automated Autophagic Vacuole Simulation

L'article présente Auto-AVS, un cadre de calcul open-source qui simule des vacuoles autophagiques en 3D et la sectionnement virtuel par TEM pour valider les hypothèses stéréologiques, révélant que si les estimations de la taille du corps restent cohérentes, les écarts dans les distributions du nombre de corps soulignent l'influence critique du regroupement spatial et de la géométrie des vacuoles sur l'inférence par microscopie 2D.

Bleta, S., Dunning, P., Ross, A., Backues, S. K., Spantidi, O.2026-10-26
💻 bio-informatique

An evidence-governed agent harness for spatial transcriptomics prioritizes ICAM-1 as a target in lung fibrosis

Le document présente DeepMAST, un système d'IA multi-agents régi par les preuves qui intègre l'analyse de la transcriptomique spatiale à une recherche fondée sur la littérature pour automatiser la hiérarchisation des cibles, identifiant avec succès l'ICAM-1 comme une cible thérapeutique validée pour la fibrose pulmonaire idiopathique.

Jung, J., Parimon, T., Moore, J. H., Chen, P., Won, K. J.2026-10-26
💻 bio-informatique

Can Folding Models Tell Binders from Bluffers? Evidence from POISK: The Patent-Derived Antibody Dataset

Cet article présente POISK, un ensemble de données d'anticorps dérivées de brevets à grande échelle, pour démontrer que si les modèles actuels de prédiction de structure peuvent statistiquement enrichir l'identification de liants par rapport à une sélection aléatoire, ils manquent de fiabilité pour le criblage de candidats uniques et la localisation précise des épitopes, nécessitant ainsi leur utilisation parallèlement à des méthodes expérimentales orthogonales.

Tupikina, D., Roncoli, A., Bujotzek, A., Abanades, B.2026-10-26