771 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.
Verticall est un outil open source rapide et robuste conçu pour détecter les régions de recombinaison et générer des phylogénies exemptes de recombinaison dans de vastes ensembles de génomes bactériens, surpassant ou égalant les performances des outils existants en termes d'efficacité computationnelle et de précision sur des milliers de génomes.
Le papier présente Mievformer, un cadre d'apprentissage auto-supervisé masqué basé sur les Transformers qui apprend des représentations probabilistes des microenvironnements tissulaires en couplant l'hétérogénéité cellulaire et spatiale, surpassant ainsi les méthodes existantes pour l'analyse des données de transcriptomique spatiale.
Cette étude propose un cadre de « dialectes génomiques » démontrant que les biais d'utilisation des codons, qui reflètent des « accents informationnels » spécifiques aux espèces, sont principalement façonnés par les propriétés physico-chimiques des acides aminés et la classification du deuxième nucléotide du codon, plutôt que par la phylogénie stricte.
Les auteurs présentent memerna, un cadre de calcul déterministe et itératif permettant un échantillonnage exhaustif et évolutif des structures d'ARN, ce qui améliore considérablement la vitesse et la précision de la modélisation du repliement cotranscriptionnel par rapport aux méthodes stochastiques existantes.
Le papier présente SpaceBender, une méthode open-source de débruitage des données de transcriptomique spatiale qui exploite les informations spatiales pour améliorer la qualité des signaux biologiques, surpassant les méthodes actuelles et permettant de révéler des insights cachés, y compris à l'échelle subcellulaire.
Cette étude propose un cadre d'analyse basé sur des réseaux de similarité dérivés de tenseurs pour caractériser l'organisation spatiale et l'hétérogénéité moléculaire dans le cancer colorectal, démontrant que la structure tissulaire réelle impose des contraintes spécifiques aux réseaux de gènes par rapport à des configurations aléatoires.
Cette étude propose un cadre d'intégration de profils protéomiques hétérogènes basé sur la directionnalité des changements différentiels, permettant de construire un réseau interactif qui révèle des regroupements biologiques significatifs, notamment autour du traitement au doxorubicine et de l'état tumoral.
BioEngine est une couche d'exécution et d'adaptation déployable sur divers matériels qui permet aux biologistes d'utiliser, d'adapter et de déployer des modèles d'IA pour l'imagerie biologique en décrivant simplement leurs objectifs à un agent intelligent.
Cette étude démontre qu'un agent d'apprentissage automatique peut optimiser la politique de classement des candidats médicaments peptidiques pour la sélection préclinique, surpassant significativement les méthodes traditionnelles comme NSGA-II et la recherche de poids aléatoires sur un benchmark public antimicrobien.
Les auteurs présentent RepurAgent, un système d'IA agentic supervisé par l'humain qui couvre l'ensemble du cycle de vie du repositionnement de médicaments, de la génération d'hypothèses à l'analyse expérimentale, et démontrent son efficacité dans trois scénarios thérapeutiques distincts.