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

OMIO: A policy-driven Python library for reproducible microscopy image I/O

OMIO est une bibliothèque Python légère et open-source qui garantit la reproductibilité de l'analyse d'images de microscopie en séparant la lecture de fichiers de bas niveau d'une couche centralisée, pilotée par des politiques, qui impose des conventions d'axes canoniques et une normalisation robuste des métadonnées à travers des formats de fichiers hétérogènes.

Musacchio, F., Antony, H., Crux, S., Fuhrmann, F., Gockel, N., Hoffmann, D. M., Mercan, D., Nebeling, F. C., Fuhrmann, M (…)2026-06-11
💻 bio-informatique

Depth normalization for single-cell genomics count data

L'article propose et valide une méthode de normalisation unique appelée PFlogPF, qui combine l'ajustement proportionnel additif et multiplicatif avec une transformation logarithmique pour stabiliser efficacement la variance, tenir compte de la profondeur de séquençage et préserver la monotonicité de l'abondance des caractéristiques dans les données de génomique en cellule unique.

Booeshaghi, A. S., Hallgrimsdottir, I. B., Galvez-Merchan, A., Pachter, L.2026-06-10
💻 bio-informatique

Bias-mitigated microbiome inference refines coronary artery disease signature

L'article présente BootDA, une méthode de bootstrap non paramétrique qui corrige simultanément quatre sources majeures de biais dans les données de microbiote sans recourir à des transformations ou à des pseudocomptes, atteignant ainsi une sensibilité et une spécificité supérieures pour identifier l'abondance différentielle réelle et affiner la signature microbienne de la maladie coronarienne.

Honeybrook, L.2026-06-10
💻 bio-informatique

Pseudoperplexity Probes Memorization in Protein Language Models

Cette étude emploie la pseudoperplexité pour démontrer que le modèle de langage protéique ProtT5 présente une mémorisation détectable mais limitée de ses données d'entraînement, suggérant qu'il généralise principalement la grammaire statistique des protéines plutôt que de simplement mémoriser par cœur des séquences.

Plaikner, A., Ploner, M., Sewald, Z., Senoner, T., Franz, S., Brenner, M., Heinzinger, M., Rost, B.2026-06-10
💻 bio-informatique

ECMME: an atlas of selection pressures on the mammalian extracellular matrix reveals contrasting evolutionary dynamics

Cette étude présente ECMME, un atlas Web complet analysant les pressions de sélection par résidu à travers 272 protéines de la matrice extracellulaire humaine en utilisant 228 espèces de mammifères, révélant une sélection purificatrice omniprésente ainsi que des motifs distincts de sélection positive épisodique dans les collagènes afin de fournir une ressource en libre accès pour l'étude de la dynamique évolutive de la MEC.

Petrov, P. B., Oshinjo, A., Roning, J., Izzi, V.2026-06-10
💻 bio-informatique

FLAG-X: Hybrid machine learning workflows for automated gating of clinical flow cytometry data

Les auteurs présentent FLAG-X, un package Python qui comble le fossé entre l'analyse de la cytométrie en flux manuelle et automatisée en intégrant des méthodes d'apprentissage automatique de pointe avec des annotations d'experts dans des flux de travail hybrides, remédiant ainsi au manque de standardisation et d'efficacité dans le fenêtrage clinique de routine.

Martini, P., Mohammadi, M., Thrun, M. C., Blumenthal, D. B., Krause, S. W.2026-06-09
💻 bio-informatique

Supervised Deep Learning for Efficient Cryo-EM Image Alignment in Drug Discovery with cryoPARES

L'article présente cryoPARES, une méthode d'apprentissage profond supervisé qui accélère l'alignement des images de cryo-EM et permet une détermination structurelle automatisée et en temps réel pour la découverte de médicaments en exploitant des informations de pose préalables et en éliminant toute intervention manuelle.

Sanchez-Garcia, R., Berndt, A., Apelbaum, A., Reeks, J., Williams, P. A., Poelking, C., Deane, C., Saur, M.2026-06-08
💻 bio-informatique

Multi-feature Classification to Improve Colorimetric Loop-Mediated Isothermal Amplification Fidelity

Cette étude aborde les défis de reproductibilité de l'amplification isotherme médiée par des boucles (LAMP) colorimétrique en développant un modèle de classification par apprentissage automatique qui utilise des caractéristiques thermodynamiques et de séquence, particulièrement à partir des amorces F1c et B1c, afin de prédire le succès de l'essai et d'améliorer la fidélité de la conception des amorces.

Melton, G., Negron, D. A., Hauser, K., Jagannathan, S., Tolli, N., Jennings, K., Necciai, B., Sozhamannan, S., Abramson (…)2026-06-08
💻 bio-informatique

Intra-slide calibration technology improves immunohistochemical harmonization within and between anatomic pathology laboratories

Cette étude démontre que la technologie de calibration intra-lame, combinée à l'analyse computationnelle, améliore significativement l'harmonisation et la reproductibilité des essais immunohistochimiques de p53 entre différents laboratoires d'anatomie pathologique, soutenant ainsi une prise de décision diagnostique plus objective en neuro-oncologie.

Fernandes, G. M. d. M., Wang, W., Parwani, A., Ahmadian, S. S., Alves, M. J., Philips, J. J., Otero, J. J.2026-06-08
💻 bio-informatique

DDI_single: Single-Sequence-Based Protein Domain Assembly

DDI_single est un nouvel algorithme basé sur une séquence unique qui exploite le modèle de langage protéique ESM-1b et un module d'attention croisée à porte pour prédire avec précision les interactions entre résidus inter-domaines, atteignant ainsi une précision supérieure dans l'assemblage de structures de protéines multi-domaines par rapport aux méthodes existantes telles que trRosettaX_single.

Shengyi, Z.2026-06-08