💻 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

Signal, Bounds, and Baselines: Principles for Evaluating Virtual Cell Perturbation Models

Cet article présente le cadre SBB (Signal, Bornes et Lignes de base) pour évaluer rigoureusement les modèles de perturbation de cellules virtuelles, révélant que les méthodes d'apprentissage profond complexes échouent souvent à surpasser de manière significative de simples lignes de base linéaires et soulignant la nécessité de métriques standardisées pour distinguer le signal biologique authentique des artefacts statistiques.

Vollenweider, M. S., Bühlmann, P.2026-05-27
💻 bioinformatics

There and back again: a multi-omics tale of thyroid co-expression network rewiring

Cette étude établit un cadre de bonnes pratiques pour la construction de réseaux de co-expression pondérés de gènes multi-omiques simultanés afin d'analyser la toxicité thyroïdienne et la récupération dans un modèle rongeur, démontrant que la concaténation de couches omiques non mises à l'échelle préserve la structure biologique tout en révélant une perturbation moléculaire extensive et une restauration partielle grâce à des analyses complémentaires de préservation des modules et de connectivité différentielle.

Pozhidaeva, M., Bussmann, H., Huisinga, M., Buesen, R., Hackermüller, J., Canzler, S.2026-05-27
💻 bioinformatics

GAE-Δ: A Graph-Learning Framework for Gene Network Rewiring and Clinical Outcome Prediction from Multi-Omics Data

Le cadre GAE-Δ exploite un autoencodeur graphique pour modéliser le réarrangement des réseaux de gènes spécifique au phénotype à travers des données multi-omiques, permettant une prédiction supérieure des résultats cliniques et l'identification de conducteurs du cancer biologiquement pertinents par rapport aux méthodes existantes de factorisation linéaire et basées sur les réseaux.

Tang, Z., Chen, Z., Chen, M., Wang, Y., Ennis, S., Niranjan, M., Ewing, R.2026-05-26
💻 bioinformatics

Decoding Multicellular Communication Motifs from Spatial Transcriptomics with ALARMIST

L'article présente ALARMIST, un cadre probabiliste qui décode des motifs de communication multicellulaire interprétables à partir de données de transcriptomique spatiale pour identifier des schémas de signalisation d'ordre supérieur et leurs impacts phénotypiques en aval, en démontrant son utilité pour révéler les facteurs microenvironnementaux de la progression tumorale dans l'adénocarcinome pulmonaire et le glioblastome.

Fan, J., Hood, J., Strong, J., Quinn, J. F., Dai, Y., Data Science TeamLab,, Schein, A., Yu, K. K. H., Tansey, W.2026-05-26
💻 bioinformatics

Integrated optimization of experimental and computational workflows improves genome recovery in long-read gut metagenomics

Ce papier présente une optimisation systématique de la plateforme CycloneSEQ, intégrant le traitement expérimental des échantillons avec les flux de travail d'assemblage computationnel pour surmonter les limites du séquençage à lectures courtes et améliorer considérablement la récupération de génomes microbiens complets à partir de métagénomiques intestinales à lectures longues.

Hu, Y., Sun, L., Huang, Y., Jiang, F., Tong, X., Yang, J., Ju, Y., Yang, Z., Liufu, S., Hu, Y., Ma, W., Guo, R., Li, W. (…)2026-05-26
💻 bioinformatics

Characterizing homology-induced data leakage and memorization in genome-trained sequence models

Cet article révèle que la fuite de données induite par l'homologie gonfle systématiquement les performances des modèles de séquence entraînés sur le génome en les amenant à s'appuyer sur des associations mémorisées plutôt que sur des principes généralisables, et propose l'outil hashFrag pour permettre un partitionnement des données conscient de l'homologie afin d'obtenir une évaluation plus fiable et une meilleure généralisation des modèles.

Rafi, A. M., Kiyota, B., Yachie, N., de Boer, C. G.2026-05-25
💻 bioinformatics

Time-Resolved Phosphoproteomics-Guided BFS Beam Search Reveals Cell-Type-Specific EGFR Signaling Architectures and SHP2 Inhibitor-Induced Pathway Rewiring

Cette étude présente un cadre computationnel systématique qui intègre la phosphoprotéomique résolue dans le temps avec un algorithme de recherche par faisceau guidé par une recherche en largeur (BFS) pour reconstruire des réseaux de signalisation EGFR spécifiques aux types cellulaires, révélant avec succès comment l'inhibition de SHP2 reconfigure les architectures de voies et entraîne des mécanismes de résistance adaptative.

Lee, H., Lee, G.2026-05-23
💻 bioinformatics

Interpreting Omics Data Analysis with Large Language Models for Disease Target and Drug Discovery

Ce papier présente un cadre Texte-vers-Cible conscient de la provenance qui intègre la récupération par modèle de langage de grande taille contrainte par un schéma avec l'analyse de données omiques numériques pour générer des cibles de maladies interprétables et prêtes à l'audit ainsi que des stratégies de découverte de médicaments, démontrant une validation significative dans la maladie d'Alzheimer et l'adénocarcinome canalaire pancréatique.

XU, Z., Chen, W., Ren, W., Xu, T., Amaechin, S., Khan, R., Chen, Y., Province, M., Payne, P., Li, F.2026-05-23
💻 bioinformatics

Asymmetric Contrastive Objectives for Efficient Phenotypic Screening

Ce papier introduit des objectifs contrastifs asymétriques, notamment une variante SPC inspirée géométriquement qui intègre des métadonnées expérimentales sous forme de vecteurs de classes appris, afin d'extraire efficacement des représentations d'images pour le criblage phénotypique, surpassant les méthodes antérieures sur plusieurs jeux de données et métriques tout en restant efficace avec des données et des ressources de calcul limitées.

Nightingale, L., Tuersley, J., Warchal, S., Cairoli, A., Howes, J., Shand, C., Powell, A., Green, D., Strange, A., Howel (…)2026-05-22