1063 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.
L'article présente AllTheBacteria, une ressource communautaire complète qui traite uniformément près de 2,5 millions de génomes bactériens publics pour permettre la recherche biologique à grande échelle et démontre avec succès son utilité en découvrant et en validant de nouveaux antibiotiques peptidiques grâce au minage piloté par l'IA.
L'article présente PHI, un flux de travail basé sur Galaxy, convivial et automatisé, qui rationalise l'identification reproductible des prophages, la prédiction des interactions avec l'hôte et la caractérisation fonctionnelle tout en générant des rapports standardisés afin d'abaisser les barrières pour les experts comme pour les non-experts dans la recherche en génomique virale.
Cet article présente BGC-MLM, un modèle de fond préentraîné sur des séquences non étiquetées d'ensembles de gènes biosynthétiques qui améliore significativement la prédiction des propriétés, de la bioactivité et de la similitude structurelle des produits naturels, améliorant ainsi l'efficacité du minage génomique pour de nouveaux produits naturels.
La mise à jour 2026 de Scop3P présente une expansion majeure de cette base de connaissances informée par la protéomique en intégrant 152 350 sites de phosphorylation humaine uniformément retraités avec des annotations structurelles, biophysiques, évolutives et mutationnelles exhaustives afin de fournir une ressource évolutive et sensible à la provenance pour interpréter la phosphorylation dans des contextes fonctionnels et pathologiques.
Cette étude évalue la performance d'AlphaFold2, d'AlphaFold3 et des protocoles d'échantillonnage améliorés dans la modélisation de la reconnaissance antigénique des anticorps et des TCR, démontrant que si l'augmentation de l'échantillonnage et AlphaFold3 améliorent généralement la précision, le succès varie considérablement selon les types de complexes et peut être davantage stimulé par le regroupement de modèles complémentaires.
Cet article définit et analyse le problème NP-complet de la sélection de blocs génomiques à partir de multiples génomes sources afin d'optimiser des traits polygéniques, en proposant une suite d'algorithmes — incluant un solveur de type Branch-and-Bound certifié, une heuristique rapide de descente de coordonnées par blocs, et une relaxation par programmation semi-définie — qui fournissent collectivement des solutions optimales ou quasi optimales avec des garanties théoriques et une validation empirique sur des simulations à l'échelle de la levure.
GTcomplex est un nouvel algorithme basé sur l'indexation spatiale qui permet un alignement holistique précis et efficace de complexes macromoléculaires en dérivant directement les assignations de chaînes à partir de superpositions globales optimales, surpassant les méthodes existantes tant en vitesse qu'en précision à travers divers ensembles de données structurelles.
Cette étude démontre qu'une stratégie d'apprentissage actif calibrée, optimisée par des simulations rétrospectives et validée dans une campagne de criblage en boucle fermée de *Borrelia burgdorferi*, améliore significativement les taux de succès expérimentaux et permet l'entraînement de modèles d'apprentissage automatique généralisables capables de prédire avec précision l'activité antibiotique pour des composés hors distribution.
Cet article introduit une nouvelle méthode de représentation des k-mers triés sous forme de listes de super-k-mers virtuels, implémentée dans l'outil sklib, qui permet d'atteindre un débit élevé pour les opérations d'ensemble et une réduction significative de l'utilisation de la mémoire par rapport aux outils existants comme KMC, tout en maintenant des performances de requête compétitives.
En réanalysant des ensembles de données publiques avec des contrôles statistiques rigoureux pour établir un atlas de méthylation humaine à haute confiance de 1 828 sites, les auteurs ont développé et validé un modèle d'apprentissage profond basé sur l'apprentissage par transfert (AHLF-Methylation) qui améliore significativement la détection et la localisation des peptides méthylés.