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

2,234 attempts to harmonize a multi-platform B-cell lymphoma bulk transcriptomic dataset: ComBat is superior by cross-batch prediction quality

En évaluant 2 234 approches d'harmonisation à travers 87 métriques orthogonales sur un ensemble de données multiplateformes de lymphome à cellules B, cette étude démontre que la méthode optimale est fortement dépendante de la classe de métrique choisie, ComBat apparaissant comme supérieur spécifiquement pour la qualité de la prédiction inter-lots tandis que d'autres méthodes échouent à préserver l'intégrité biologique.

Nikitin, D., Arakelyan, A.2026-10-15
💻 bio-informatique

NoiTox: A Machine Learning Strategy for Peptide Toxicity Prediction Reveals Label Noise in Benchmark Datasets

L'article présente NoiTox, une stratégie d'apprentissage automatique multi-modale qui intègre des descripteurs physico-chimiques, des plongements de modèles de langage protéique et des réseaux de neurones graphiques pour prédire la toxicité des peptides avec des performances de pointe tout en révélant et en analysant le bruit d'étiquetage dans les ensembles de données de référence.

Almeida, G. O., Albuquerque, M. C., Silva, B. M., Silva, O. A. B., Ferreira, R. S., Meira, W., Pires, D. V., Prata, W. M (…)2026-10-15
💻 bio-informatique

A Benchmark of Unsupervised Circadian Phase Inference Methods for Bulk Transcriptomic Data

Cette étude évalue systématiquement dix méthodes d'inférence de la phase circadienne non supervisées à travers 25 ensembles de données, identifiant CHIRAL comme le meilleur performeur avec l'erreur moyenne la plus faible, tout en démontrant que la précision des méthodes varie selon les caractéristiques des ensembles de données et que les meilleures méthodes parviennent efficacement à récupérer les motifs de gènes rythmiques même lorsque les temps de collecte des échantillons sont inconnus.

Purohit, S., Grant, G. R., Brooks, T. G.2026-10-15
💻 bio-informatique

DIPLER: rapid k-mer-based locus identification

L'article présente Dipler, une méthode rapide en deux étapes et indépendante de toute référence, qui combine l'identification de k-mères spécifiques à un groupe avec l'assemblage de novo ciblé par PacBio pour résoudre et assembler avec succès des allèles structurellement complexes et divergents dans les génomes eucaryotes à faible couverture de séquençage.

Kivirüüt, K. R., Kaplinski, L., Salumets, A., Puurand, T.2026-10-15
💻 bio-informatique

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

L'étude présente DeepMM, un outil d'apprentissage profond qui détecte et corrige les contigs chimériques interespèces dans les génomes assemblés par métagénomique avant le regroupement (binning), réduisant ainsi de manière significative les annotations de gènes et de facteurs de virulence discordantes par rapport aux références, lesquelles sont souvent manquées par les contrôles de qualité standard basés sur des marqueurs.

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

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

L'article présente vampW, une nouvelle méthode bayésienne entièrement paramétrique basée sur le passage de messages vectoriel approximatif et un modèle de Weibull, qui surpasse les tests marginaux traditionnels et d'autres modèles conjoints en réduisant considérablement les fausses découvertes et en améliorant la prédiction de l'apparition de maladies grâce à la modélisation conjointe efficace de biomarqueurs multi-omiques corrélés et de données de type survie (time-to-event).

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

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

Cette étude revisite une méthode de prédiction de la toxicité par plus proches voisins de 2003 en utilisant des données publiques actualisées pour valider son exactitude pour la DL50 orale chez le rat et 28 autres paramètres, tout en démontrant qu'une approche de criblage inverse mesurant l'étendue structurelle d'un composé à travers les familles de protéines améliore significativement la prédiction de la toxicité en capturant la promiscuité au-delà des propriétés physicochimiques standards.

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

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

DNA-LLM2Vec introduit un cadre par étapes qui convertit les modèles de fondation d'ADN basés sur des décodeurs directionnels en encodeurs bidirectionnels, démontrant que la stratégie d'adaptation optimale pour les tâches génomiques en aval dépend à la fois de la structure spécifique de la tâche et de l'architecture sous-jacente du modèle.

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

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

L'article présente E3 Ligase Ligandalyzer, une plateforme web de type « structure-first » librement accessible qui permet l'analyse comparative de complexes E3 ligase-recruteur résolus expérimentalement grâce à des flux de travail intégrés de cheminformatique et de structure afin de faciliter la conception de dégradateurs en aval.

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

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

Les auteurs présentent NCI-Profiler, un outil automatisé gratuit qui détecte et visualise neuf types d'interactions non covalentes protéine-ligand directement à partir de coordonnées structurales avec une précision et une vitesse supérieures aux outils existants tels que PLIP, tout en offrant une couverture accrue pour les cas complexes tels que la coordination métallique et les ligands macrocycliques.

Sharma, R., Lee, E. Y.2026-10-14