💻 Category

bioinformatics

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.

💻 bioinformatics

A robot model of compass cue calibration in the insect brain

En implémentant un modèle fonctionnel du circuit de la direction de la tête chez l'insecte sur un robot, les chercheurs ont démontré que, bien que le système puisse calibrer et substituer avec succès des indices d'orientation comme le vent pour la lumière, il révèle également un biais directionnel causé par des conflits entre les entrées récurrentes et instantanées que les insectes réels compensent probablement grâce à des mécanismes neuraux évolués.

Mitchell, R., Dacke, M., Webb, B.2026-06-30
💻 bioinformatics

Real-World Progression-Free Survival with Erlotinib versus Osimertinib in EGFR L858R+T790M Compound Mutation Non-Small Cell Lung Cancer: An Exploratory Analysis of the MSK-CHORD Dataset

Cette analyse exploratoire de l'ensemble de données MSK-CHORD suggère que, contrairement aux contextes impliquant uniquement L858R ou uniquement T790M où l'osimertinib est supérieur ou équivalent, la mutation composée EGFR L858R+T790M dans le cancer du poumon non à petites cellules pourrait représenter une entité pharmacologique distincte où l'erlotinib surpasse numériquement l'osimertinib, ce qui justifie une validation prospective.

Dalloul, Z., Abboud, A., Dalloul, I., Abdelsalam, M.2026-06-30
💻 bioinformatics

NPTX2-Centered Cognitive Resilience Mechanisms in the Context of AD Pathology

Cette étude révèle que la résilience cognitive à la pathologie de la maladie d'Alzheimer est caractérisée par un état moléculaire distinct centré sur la préservation de l'expression de NPTX2, qui maintient les programmes synaptiques et inhibiteurs fondamentaux tout en recrutant sélectivement des voies adaptatives de protéostase, de trafic et d'immunité chez les individus présentant une pathologie élevée, une coordination qui est perdue dans la maladie symptomatique.

Lao, Y., Xiao, M.-F., Ji, S., Piras, I. S., Kim, K., Bonfitto, A., Song, S., Aldabergenova, A., Sloan, J., Trejo, A., Ge (…)2026-06-29
💻 bioinformatics

Context-dependent correlations mislead transcriptomic network inference in bulk and single-cell data

Cette étude démontre que les coefficients de corrélation regroupés dans les données transcriptomiques de type « bulk » et de cellule unique induisent fréquemment en erreur l'inférence de réseaux en inversant la direction en raison du paradoxe de Simpson piloté par l'hétérogénéité biologique, nécessitant ainsi le signalement de corrélations spécifiques au contexte et de statistiques d'hétérogénéité plutôt que de s'appuyer sur de simples estimations globales uniques.

Asiaee, A., Bombina, P., McGee, R. L., Reed, J., Abrams, Z. B., Abruzzo, L. V., Coombes, K. R.2026-06-29
💻 bioinformatics

OpenGerminal: an open-source implementation of the Germinal antibody design pipeline

OpenGerminal présente une implémentation entièrement open-source du pipeline de conception d'anticorps Germinal qui remplace les composants propriétaires par une pile ouverte et adopte AbLang1, atteignant ainsi des taux de réussite de co-repliement nettement plus élevés et une accessibilité de déploiement plus large tout en maintenant des métriques de confiance structurelle équivalentes.

Han, B., Li, S.2026-06-29
💻 bioinformatics

Retention, not flux: endpoint confounding caps computational prediction of peptide skin penetration, with a delivery-aware reframing

L'article soutient que la stagnation de la performance prédictive dans la modélisation de la pénétration cutanée des peptides provient d'une dépendance mal posée à des étiquettes de flux transdermique confondues qui ignorent les vecteurs de délivrance et les points de terminaison, proposant plutôt une approche recadrée qui sépare le potentiel intrinsèque de franchissement de la barrière de la rétention et du risque spécifiques à la délivrance.

Komianos, N., Prakash, P.2026-06-29
💻 bioinformatics

Homology-aware cross-validation strategies for generalization assessment in RNA structure prediction

Cet article examine de manière critique et propose des stratégies de validation croisée tenant compte de l'homologie afin de remédier à la fuite de données et d'assurer une évaluation équitable de la généralisation pour les méthodes de prédiction de la structure secondaire de l'ARN, qu'elles soient basées sur l'apprentissage classique ou l'apprentissage profond.

Bugnon, L., Kulemeyer, G., Gerard, M., Di Persia, L., Stegmayer, G., Milone, D. H.2026-06-29
💻 bioinformatics

Bamsnap-LRS: an automated batch visualization tool for long-read sequencing alignments

Bamsnap-LRS est un outil automatisé en ligne de commande conçu pour surmonter les limitations de scalabilité et d'optimisation des logiciels de visualisation existants en permettant une visualisation par lots à haut débit et prête pour la publication des alignements de séquençage à lectures longues, avec un support pour les caractéristiques spécifiques aux lectures longues, l'inspection des SNP phasés et diverses analyses génomiques.

Chen, W., Yang, C., Qiu, L., Hu, J., Zhou, Y.2026-06-25
💻 bioinformatics

Development of Deep-Learning Models that Predict Quantitative Protein-Ligand Interac-tions in Glycobiology as a part of a Capstone Course

Dans le cadre d'un cours de fin d'études de l'Université de l'Alberta, ce document présente trois modèles d'apprentissage profond (ProMax, APEX et UltraMax) entraînés sur un ensemble de données hybrides d'environ un million de paires protéine-ligand pour prédire les forces de liaison quantitative entre glycanes et protéines, tout en soulignant les défis posés par les distributions de données à longue traîne et l'utilisation insuffisante des caractéristiques chirales.

Yin, H., Liu, W., Zhou, W., Chang, Z., Carpenter, E. J., Satyajith, A., Haregu, S., Greiner, R., Derda, R.2026-06-24