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.

Thirty years of Achromobacter ruhlandii evolution reveal pathways to epidemic lineages

Cette étude révèle que l'émergence et la persistance de lignées épidémiques d'Achromobacter ruhlandii, telles que la souche épidémique danoise, sont principalement facilitées par un transfert horizontal de gènes étendu, une résistance intrinsèque élevée et des traits d'adaptation à l'hôte comme l'acquisition accrue de fer.

Gabrielaite, M., Johansen, H. K., Juozapaitis, J., Marvig, R. L., Dudas, G.2026-03-25💻 bioinformatics

Deconvolution of omics data in Python with Deconomix -- cellular compositions, cell-type specific gene regulation, and background contributions

Le papier présente Deconomix, une boîte à outils Python complète dotée d'une interface graphique, permettant de déconvoluer les données de transcriptomique en vrac pour inférer les compositions cellulaires, optimiser les poids géniques via l'apprentissage automatique, estimer les contributions de fond et déterminer la régulation génique spécifique aux types cellulaires.

Mensching-Buhr, M., Sterr, T., Voelkl, D., Seifert, N., Tauschke, J., Engel, L., Rayford, A., Straume, O., Grellscheid, S. N., Beissbarth, T., Zacharias, H. U., Goertler, F., Altenbuchinger, M. C.2026-03-24💻 bioinformatics

A universal model for drug-receptor interactions

Cet article présente un modèle d'apprentissage automatique capable d'inférer les principes des interactions non liées entre médicaments et récepteurs, permettant ainsi de prédire les interactions avec de nouvelles entités chimiques sans biais de mémorisation et comblant ainsi une lacune majeure dans la découverte de médicaments.

Menezes, F., Wahida, A., Froehlich, T., Grass, P., Zaucha, J., Napolitano, V., Siebenmorgen, T., Pustelny, K., Barzowska-Gogola, A., Rioton, S., Didi, K., Bronstein, M., Czarna, A., Hochhaus, A., Plet (…)2026-03-24💻 bioinformatics

FlashDeconv enables atlas-scale, multi-resolution spatial deconvolution via structure-preserving sketching

FlashDeconv est une nouvelle méthode de déconvolution spatiale qui, grâce à un échantillonnage par scores de levier et une régularisation spatiale, permet d'analyser à grande échelle des données Visium HD tout en révélant des microenvironnements cellulaires critiques invisibles aux approches classiques et en identifiant un horizon de résolution tissulaire spécifique.

Yang, C., Chen, J., Zhang, X.2026-03-24💻 bioinformatics

RiboPipe: efficient per-transcript codon-resolution ribo-seq coverage imputation for low-coverage transcripts

Ce papier présente RiboPipe, un cadre efficace et léger conçu pour imputer avec précision la couverture ribosomique à résolution de codon des transcrits à faible couverture en optimisant conjointement la prédiction de la charge ribosomique et la modélisation locale, tout en démontrant que des représentations simples surpassent souvent les modèles de langage pré-entraînés.

Zhang, Y.-z., Hashimoto, S., Li, S., Inada, T., Imoto, S.2026-03-24💻 bioinformatics