💻 Category

bioinformatics

1235 articles

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.

Functional-space alignment resolves the eco-evolutionary landscape of siderophore biosynthesis across bacteria

En combinant l'analyse textuelle assistée par l'intelligence artificielle et une nouvelle approche d'alignement fonctionnel des clusters de gènes biosynthétiques, cette étude révèle que la diversité et la dissémination mondiale des sidérophores chez les bactéries sont principalement dictées par le mode de vie écologique plutôt que par la phylogénie, permettant ainsi de cartographier un paysage éco-évolutif où la majorité des génomes bactériens codent pour ces métabolites essentiels.

Shao, J., Wu, Y., Tian, S., Xu, R., Luo, H., He, R., Shao, Y., Yu, L., Xiong, G., Guo, P., Nan, R., Wei, Z., Gu, S., Li, Z.2026-04-15💻 bioinformatics

A little longer, a lot better: simulation-guided exploration of extended-length single-end barcoded reads for structural variant detection

Cette étude démontre, grâce à une simulation réaliste, que l'augmentation de la longueur des lectures uniques barcodées (stLFR) améliore considérablement la détection des variants structuraux, surpassant les méthodes à lectures courtes et s'approchant des performances des technologies à lectures longues.

Luo, C., Liu, Y. H., Liu, H., Zhang, Z., Zhang, L., Peters, B. A., Zhou, X. M.2026-04-15💻 bioinformatics

Exploring molecular signatures of senescence with markeR, an R toolkit for evaluating gene sets as phenotypic markers

Les auteurs présentent markeR, un outil R open-source conçu pour évaluer systématiquement les performances de différentes signatures génétiques comme marqueurs phénotypiques, en démontrant son utilité pour identifier des marqueurs robustes de la sénescence cellulaire à travers divers contextes biologiques.

Martins-Silva, R., Kaizeler, A., Barbosa-Morais, N. L.2026-04-15💻 bioinformatics

Longevity Bench: Are SotA LLMs ready for aging research?

Ce papier présente LongevityBench, une nouvelle série de tâches conçue pour évaluer la capacité des modèles de langage fondamentaux à comprendre la biologie du vieillissement et à interpréter des données biologiques variées, révélant ainsi leurs forces et leurs limites pour la recherche en longévité.

Zhavoronkov, A., Sidorenko, D., Naumov, V., Pushkov, S., Zagirova, D., Aladinskiy, V., Unutmaz, D., Aliper, A., Galkin, F.2026-04-15💻 bioinformatics

TFBindFormer: A Cross-Attention Transformer for Transcription Factor-DNA Binding Prediction

Le papier présente TFBindFormer, un transformateur à attention croisée qui intègre des caractéristiques génomiques et des représentations spécifiques des facteurs de transcription dérivées de leurs séquences et structures protéiques pour prédire avec une grande précision les interactions TF-ADN à l'échelle du génome, surpassant ainsi les modèles basés uniquement sur l'ADN.

Liu, P., Wang, L., Basnet, S., Cheng, J.2026-04-15💻 bioinformatics

U-Probe: universal agentic probe design for imaging-based spatial-omics

U-Probe est une plateforme de conception de sondes universelle et pilotée par des agents intelligents qui surmonte les limites des outils actuels en permettant la génération de séquences de sondes pour l'hybridation in situ par fluorescence (FISH) via des interfaces conversationnelles, tout en s'adaptant à des architectures de sondes variées et émergentes sans nécessiter de modifications de code.

Zhang, Q., Cai, H., Zhang, J., Zhang, L., Wu, X., Wei, Y., Chen, Y., Wu, X., Su, W., Qi, W., Qiu, X., Cao, G., Xu, W.2026-04-15💻 bioinformatics

CROssBARv2: A Unified Computational Framework for Heterogeneous Biomedical Data Representation and LLM-Driven Exploration

CROssBARv2 est une plateforme unifiée qui intègre des données biomédicales hétérogènes dans un graphe de connaissances enrichi et exploitable par l'IA, facilitant ainsi la découverte de connaissances et la recherche translationnelle grâce à des outils d'exploration interactive et à un système de question-réponse en langage naturel sécurisé par le graphe.

Sen, B., Ulusoy, E., Darcan, M., Ergun, M., Lobentanzer, S., Rifaioglu, A. S., Turei, D., Saez-Rodriguez, J., Dogan, T.2026-04-15💻 bioinformatics

Discovery of Selective Nrf2 Activators from Natural Products: AComputational Screening Approach to Minimize Off-Target Effects on PXR and CYP2D6

Cette étude présente une approche de criblage computationnel à grande échelle de près de 630 000 produits naturels ayant permis d'identifier dix candidats ultraselectifs capables d'activer la voie Nrf2 tout en minimisant les effets hors cible sur PXR et CYP2D6, offrant ainsi une nouvelle base pour le développement de thérapies plus sûres contre les maladies liées au stress oxydatif.

Wang, Y., Gong, Y., Li, R., Li, Z., Cai, H., Fan, L., Ma, H.2026-04-15💻 bioinformatics

Benchmarking precision matrix estimation methods for differential co-expression network analysis

Cette étude présente un benchmark exhaustif de méthodes d'estimation de matrices de précision pour l'analyse de réseaux de co-expression différentielle, démontrant que la performance de ces méthodes dépend fortement des caractéristiques des données et que la méthode GLassoElnetFast s'avère la plus précise pour retrouver les arêtes différentielles dans des conditions simulées variées.

Overmann, M., Grabert, G., Kacprowski, T.2026-04-15💻 bioinformatics