💻 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

ADMETron: An AI-driven SaaS platform for comprehensive ADMET prediction and compound prioritisation

ADMETron est une plateforme SaaS pilotée par l'IA qui intègre des plongements moléculaires dérivés de réseaux de neurones récurrents (RNN) avec des machines à boosting de gradient pour prédire 34 points de terminaison ADMET et propose un outil de visualisation par graphique radar interactif, permettant une hiérarchisation complète et à haut débit des composés ainsi qu'une prise de décision fondée sur les données dans la découverte de médicaments.

Nair, D. N., Yadav, R. S., Jondhale, P. M., Didhate, S., Gunjal, G., Ranjit, A., Patil, P., Dawande, A., Shisode, A., Bh (…)2026-06-13
💻 bioinformatics

Revealing trajectories of multi-modal voxel-level changes in neurodegenerative diseases using latent event mapping

Cet article présente le Latent Event Mapping (LEMING), une technique de modélisation non supervisée, scalable et interprétable, qui reconstruit les trajectoires au niveau du voxel des changements neuroimagerie multimodaux dans la maladie d'Alzheimer, révélant de nouvelles perspectives sur les mécanismes dépendants de la progression, tels que l'association tardive entre la densité des récepteurs de l'acétylcholine et la pathologie amyloïde.

Pinnawala, S., Hartanto, A., Jairamani, M., Simpson, I. J. A., Wijeratne, P. A.2026-06-11
💻 bioinformatics

STITCH links cellular morphology and gene expression in spatial transcriptomics

L'article présente STITCH, une méthode interprétable basée sur l'analyse en composantes principales tangentielle dans une variété de forme de Kendall qui lie efficacement la morphologie cellulaire indépendante de la taille à l'expression génique en transcriptomique spatiale, surpassant les approches existantes d'apprentissage profond pour identifier les relations morphologie-transcriptome biologiquement pertinentes à travers divers ensembles de données.

Kumar, S., Shi, Y., Vallius, T., Day, C.-P., Absil, P.- A., Srivastava, A., Hannenhalli, S., Gopalan, V.2026-06-11
💻 bioinformatics

Calibrated Uncertainty Quantification for Patient-Level AML Drug Sensitivity Prediction Using Split Conformal Prediction

Cette étude introduit un cadre de prédiction conforme par division appliqué à la cohorte BeatAML 2.0 qui génère avec succès des intervalles d'incertitude statistiquement calibrés pour les prédictions de sensibilité aux médicaments de la leucémie aiguë myéloïde (LAM) au niveau du patient, révélant des modèles d'incertitude distincts selon les classes de médicaments tout en démontrant que cette incertitude est indépendante des classifications de risque moléculaire standard.

Shokrzadeh, A. J., Shokrzadeh, P.2026-06-11
💻 bioinformatics

Robust semi-supervised scRNA-seq integration from virtual adversarial learning

L'article présente scCRAFT+, un modèle d'intégration de scRNA-seq semi-supervisé et robuste qui exploite l'entraînement adversaire virtuel pour incorporer les informations sur les gènes marqueurs, surmontant ainsi les limites des méthodes existantes en préservant les distinctions fines entre les sous-types cellulaires et en améliorant la précision de l'annotation, même avec des ensembles de marqueurs bruités ou incomplets.

He, C., Filippidis, P., Xing, J., Kleinstein, S., Guan, L.2026-06-11
💻 bioinformatics

Pillbox: A Leakage-Aware Foundation-Model Predictor and Lineage-Ceiling Diagnostic for Cancer Drug Response

Pillbox est un prédicteur de modèle de fondation audité contre les fuites qui intègre CpGPT, CLAMP et des plongements d'expression génique via une attention de graphe conditionnée par FiLM afin d'atteindre une grande précision dans la prédiction de la réponse aux médicaments anticancéreux, tout en utilisant une corrélation résiduelle inter-architecture pour diagnostiquer la saturation de l'empilement de caractéristiques et confirmer que la lignée tissulaire demeure le facteur dominant de la réponse aux médicaments.

Hill, J. J. K., Ryoo, H. J., Ghanta, A., Singh, S., Anders, D., Jiao, E., Jeong, J.2026-06-11
💻 bioinformatics

GermRL: Alleviating The Germline Bias In Autoregressive Antibody Language Models Through Reinforcement Learning

Cet article introduit GermRL, un cadre d'apprentissage par renforcement léger qui atténue efficacement le biais de la lignée germinale dans les modèles de langage d'anticorps autorégressifs, permettant la génération en une seule étape de candidats anticorps structurellement plausibles et diversifiés avec des seuils de mutation élevés à partir de séquences germinales pour la découverte thérapeutique.

Ludwig, L., Chungyoun, M., Gray, J. J.2026-06-11
💻 bioinformatics

DivQuant: Estimation of Species Richness and Entropy from Small Samples

DivQuant est un outil basé sur l'optimisation qui améliore l'estimation de la richesse spécifique et de l'entropie de Shannon à partir de petits échantillons en formulant le problème comme un programme quadratique convexe avec un objectif de Neyman χ2\chi^2, parvenant ainsi à des intervalles de confiance bien calibrés et à une précision supérieure par rapport aux méthodes de pointe à travers divers ensembles de données biologiques.

Schmitz, J. E., Rahmann, S.2026-06-11
💻 bioinformatics

An AI-Powered Trisomy 21 Research Assistant

Le T21 Research Assistant est un système de génération augmentée par récupération sensible aux sections, construit sur les modèles NVIDIA Nemotron, qui donne la priorité aux résultats expérimentaux de 1 789 publications en libre accès sur la trisomie 21 afin de fournir des réponses rigoureusement citées et fondées sur des preuves aux requêtes de recherche.

NANDI, S., Sundararajan, Z., Subirana-Granes, M., Espinosa, J. M., Pividori, M., Sullivan, K. D., Galbraith, M. D., Cost (…)2026-06-11