bioinformatics 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.

RNAGAN: Train One and Get Four, Multipurpose Human RNA-Seq Analysis Tool with Enhanced Interpretability and Small Data Size Capability

Les auteurs ont développé RNAGAN, un outil d'intelligence artificielle basé sur un réseau antagoniste génératif entraîné sur de vastes données humaines, capable d'effectuer quatre analyses transcriptomiques distinctes (stratification des patients, identification de marqueurs, génération de données synthétiques et vectorisation) tout en améliorant l'interprétabilité biologique et en fonctionnant efficacement avec de petits échantillons.

HOU, Z., Lee, V. H.-F., Kwong, D. L.-W., Guan, X., Liu, Z., Dai, W.2026-03-20💻 bioinformatics

TriGraphQA: a triple graph learning framework for model quality assessment of protein complexes

Cette étude présente TriGraphQA, un nouveau cadre d'apprentissage par graphes triples qui améliore l'évaluation de la qualité des complexes protéiques en découplant explicitement les représentations monomériques et interfaciales pour mieux distinguer la stabilité de repliement de la spécificité de liaison.

Liang, L., Zhao, K.2026-03-20💻 bioinformatics

GenBio-PathFM: A State-of-the-Art Foundation Model for Histopathology

GenBio-PathFM est un modèle de fondation open-weight de 1,1 milliard de paramètres, entraîné exclusivement sur des données publiques grâce à une stratégie d'apprentissage JEDI et un pipeline de curation automatisé, qui établit un nouvel état de l'art en histopathologie avec une fraction des données requises par les modèles existants.

Kapse, S., Aygün, M., Cole, E., Lundberg, E., Song, L., Xing, E. P.2026-03-20💻 bioinformatics

Pareto optimization of masked superstrings improves compression of pan-genome k-mer sets

Cet article présente une méthode d'optimisation de Pareto pour les superchaînes masquées qui améliore significativement la compression des ensembles de k-mers de pan-génomes en trouvant un compromis optimal entre la longueur de la superchaîne et la complexité du masque, surpassant ainsi les approches existantes.

Plachy, J., Sladky, O., Brinda, K., Vesely, P.2026-03-20💻 bioinformatics

Enhancing non-local interaction modeling for ab initio biomolecular calculations and simulations with ViSNet-PIMA

Cette étude présente ViSNet-PIMA, un nouveau champ de force par apprentissage automatique qui améliore considérablement la modélisation des interactions non locales pour les biomolécules, surpassant les méthodes actuelles et réduisant les erreurs de calcul dans les simulations de dynamique moléculaire ab initio.

Cui, T., Wang, Z., Wang, T.2026-03-20💻 bioinformatics

RNASTOP: A Deep Learning Framework for mRNA Chemical Stability Prediction and Optimization

RNASTOP est un cadre d'apprentissage profond innovant qui améliore significativement la prédiction de la stabilité chimique de l'ARNm et permet son optimisation rationnelle pour accélérer le développement de vaccins et de thérapies à base d'ARNm.

Lin, S., Chen, J., Sun, H., Zhang, Y., Yang, W., tan, h., Wei, D.-Q., Jiang, Q., Xiong, Y.2026-03-20💻 bioinformatics

Computational Prediction of Plasmodium falciparum Antigen-T-cell Receptor Interactions via Molecular Docking: Implications for Malaria Vaccine Design

Cette étude utilise le criblage par amarrage moléculaire et l'immunoinformatique pour identifier les antigènes PfCyRPA, PfMSP10 et PfCSP de *Plasmodium falciparum* comme des candidats prometteurs pour le développement de vaccins contre le paludisme.

Kipkoech, G., Kanda, W., Irungu, B., Nyangi, M., Kimani, C., Nyangacha, R., Keter, L., Atieno, D., Gathirwa, J., Kigondu, E., Murungi, E.2026-03-20💻 bioinformatics

A Multi-Dataset Transcriptomic Analysis Unravels Core Mechanisms Involving Vitamin D Metabolism and Inflammatory Pathways for Frailty Diagnosis.

Cette étude bioinformatique multi-ensembles de données identifie des signatures moléculaires robustes liées au métabolisme de la vitamine D et aux voies inflammatoires, offrant de nouveaux biomarqueurs pour le diagnostic précoce et le ciblage thérapeutique de la fragilité.

Hu, X., Zheng, W., Li, Y., Zhou, D.2026-03-20💻 bioinformatics

CliPepPI: Scalable prediction of domain-peptide specificityusing contrastive learning

Le papier présente CLIPepPI, un modèle d'apprentissage contrastif évolutif et informé par la structure qui prédit avec précision la spécificité des interactions domaine-peptide en utilisant uniquement des paires positives et des embeddings générés par des modèles de langage protéique.

Hochner-Vilk, T., Stein, D., Schueler-Furman, O., Raveh, B., Chook, Y. M., Schneidman-Duhovny, D.2026-03-20💻 bioinformatics

Differentiable Gene Set Enrichment Analysis for Pathway-Level Supervision in Transcriptomic Learning

Cet article présente dGSEA, une méthode d'analyse d'enrichissement de gènes différentiable qui comble le fossé entre les objectifs de prédiction au niveau des gènes et l'interprétation au niveau des voies biologiques en remplaçant les opérations de classement discrètes par des approximations continues, permettant ainsi une optimisation stable et efficace pour la découverte de médicaments.

Li, S., Ruan, Y., Yang, X., Wen, Z., Saigo, H.2026-03-20💻 bioinformatics

← Précédent Suivant →