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.

Deciphering context-dependent epigenetic program by network-based prediction of clustered open regulatory elements from single-cell chromatin accessibility

Cet article présente enCORE, un cadre computationnel qui utilise des réseaux d'interactions entre enhancers pour identifier des éléments régulateurs ouverts regroupés (COREs) à partir de données d'accessibilité chromatinienne en cellule unique, permettant ainsi de décrypter les programmes épigénétiques dépendants du contexte et d'élucider les mécanismes régulant l'identité cellulaire et les maladies.

Park, S., Ma, S., Lee, W., Park, S. H.2026-03-18💻 bioinformatics

ChromBERT: Uncovering Chromatin State Motifs in the Human Genome Using a BERT-based Approach

Cette étude présente ChromBERT, un modèle basé sur l'architecture BERT qui, après pré-entraînement sur des annotations de 15 états chromatiniques provenant de 127 types cellulaires, permet d'extraire et de regrouper des motifs significatifs pour prédire l'expression génique, classifier les types cellulaires et caractériser les structures du génome en 3D.

Lee, S., Sakatsume, J., Oba, G. M., Nagaoka, Y., Lin, C., Chen, C.-Y., Nakato, R.2026-03-17💻 bioinformatics

From Circles to Signals: Representation Learning on Ultra-Long Extrachromosomal Circular DNA

Ce papier présente eccDNAMamba, un modèle d'apprentissage de représentation basé sur la structure Mamba-2 qui, grâce à une stratégie d'augmentation circulaire et une complexité linéaire, surpasse les modèles existants pour l'analyse des ultra-longues séquences d'ADN circulaire extrachromosomique (eccDNA) en préservant leur topologie intrinsèque.

Li, J., Liu, Z., Zhang, Z., Zhang, J., Singh, R.2026-03-17💻 bioinformatics

Calcium transient detection and segmentation with the astronomically motivated algorithm for background estimation and transient segmentation (Astro-BEATS)

Cet article présente Astro-BEATS, un algorithme automatique inspiré des techniques de détection d'événements transitoires en astronomie, qui surpasse les méthodes actuelles pour la segmentation des transitoires calciques synaptiques dans les images de fluorescence et permet de générer efficacement des jeux de données d'entraînement pour des approches d'apprentissage profond.

Fan, B., Bilodeau, A., Beaupre, F., Wiesner, T., Gagne, C., Lavoie-Cardinal, F., Hlozek, R.2026-03-17💻 bioinformatics

OmicClaw: executable and reproducible natural-language multi-omics analysis over the unified OmicVerse ecosystem.

OmicClaw est un cadre d'analyse multi-omiques exécutable et reproductible, construit sur l'écosystème unifié OmicVerse et le runtime J.A.R.V.I.S., qui permet aux utilisateurs d'interagir avec des données biologiques complexes via du langage naturel tout en garantissant la traçabilité et la reproductibilité des workflows.

Zeng, Z., Wang, X., Luo, Z., Zheng, Y., Hu, L., Xing, C., Du, H.2026-03-17💻 bioinformatics

CROCHET: a versatile pipeline for automated analysis and visual atlas creation from single-cell spatialomic data

Le papier présente CROCHET, un pipeline open-source et modulaire conçu pour automatiser l'analyse et la création d'atlas visuels à partir de données de spatialomique à l'échelle de millions de cellules, afin de démocratiser l'accès à ces technologies pour une large communauté.

Bozorgui, B., Thibault, G., Yuan, C., Dereli, Z., Wang, H., Overman, M. J., Weinstein, J. N., Korkut, A.2026-03-17💻 bioinformatics