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

Optimiser Repairs for Living-Cell Self-Driving Laboratories: Performance and Redundancy under Experimental Constraints

Cet article évalue les réparations d'optimiseurs dans les laboratoires autonomes à cellules vivantes à travers des simulations approfondies, démontrant que si des règles spécifiques d'exclusion et de confirmation peuvent améliorer les performances sous certaines conditions, elles reproduisent souvent les trajectoires de référence lorsqu'elles sont contraintes par des limitations de la plateforme, soulignant la nécessité critique de prendre en compte les contraintes de disponibilité explicites et les régimes expérimentaux.

Brimo, n., Zhang, H., Serdaroglu, D. C.2026-11-04
💻 bio-informatique

Missing by design: why genomic metadata must be captured at submission, not recovered from the literature

L'article soutient que des métadonnées génomiques critiques telles que la ploïdie, le cultivar et la structure des sous-génomes sont fréquemment absentes des archives publiques en raison de l'optionnalité des exigences de soumission et de l'incohérence des conventions, nécessissant ainsi un passage d'une récupération de littérature a posteriori à une saisie obligatoire par vocabulaire contrôlé au moment de la soumission.

Lee, S., Lodha, D., Alvarez-Jarreta, J.2026-11-04
💻 bio-informatique

RAPTORGraph: graph-based pathway modeling for causal discovery in single-cell perturbations

RAPTORGraph est un nouvel autoencodeur variationnel basé sur les graphes qui intègre des voies biologiques organisées avec un alignement par transport optimal afin d'éliminer le débordement d'intervention et de permettre une découverte causale identifiable, améliorant ainsi la prédiction de perturbations inédites et d'interactions non additives dans les expériences de cellule unique.

Adhisantoso, Y. G., Schröder, S. K., Gress, M., Hernaez, M., Voges, J.2026-11-04
💻 bio-informatique

XAMPGen: An Interpretable SI Pipeline For Novel Antimicrobial Peptide Discovery

Cette étude présente XAMPGen, un pipeline de conception de séquences (SI) interprétable qui affine un modèle de langage protéique pour générer de nouveaux peptides antimicrobiens et emploie des techniques d'intelligence artificielle explicable pour valider le processus de décision du modèle, confirmant ainsi l'activité biologique et la pertinence structurelle des séquences générées par des essais expérimentaux.

Mondal, K., Padi, S., Kaur, N., Makambi, W., Hoogerheide, D. P., Heinrich, F., Mihailescu, M., Klauda, J. B., Cardone, A (…)2026-11-04
💻 bio-informatique

CloneVI: A deep generative model for deciphering the relationships between cell state and mitochondrial genotype

CloneVI est un modèle génératif profond qui infère les structures clonales à partir de données d'expression génique ou d'accessibilité de la chromatine en cellule unique afin de déchiffrer les relations entre les mutations de l'ADN mitochondrial et des états cellulaires spécifiques dans divers contextes pathologiques.

Hibi, T., Kojima, Y., Hayashi, S., Hisose, H., Mizukoshi, C., Shimamura, T.2026-11-04
💻 bio-informatique

Comparative Transcriptomic Analysis of Gene Expression Patterns in Neutrophils from Rheumatoid Arthritis and COVID-19

Cette étude compare les profils transcriptomiques des neutrophiles dans la polyarthrite rhumatoïde et la COVID-19, révélant que, bien que la polyarthrite rhumatoïde soit caractérisée par une signature distincte d'interféron et de réponse antivirale, elle partage un chevauchement transcriptionnel partiel avec la COVID-19 tout en présentant des divergences d'expression génique spécifiques qui varient selon le stade de la maladie.

Nawani, S., Alam, M.2026-11-04
💻 bio-informatique

Redesigning the Eterna100 RNA design benchmark for the Vienna 2 folding engine

Cette étude démontre que la performance des algorithmes de conception d'ARN est intrinsèquement liée aux modèles thermodynamiques utilisés dans les moteurs de repliement, menant à la création d'un benchmark Eterna100-V2 révisé qui révèle que les benchmarks originaux et mis à jour restent tous deux non résolus selon leurs paramètres prévus en raison d'erreurs d'évaluation antérieures et de défis spécifiques aux moteurs.

Koodli, R. V., Rudolfs, B., Romano, J., Wayment-Steele, H. K., Dunlap, W. A., Eterna Structure Designers,, Das, R.2026-11-03
💻 bio-informatique

JUMP Cell Painting chemical dataset: Morphological map of 115,796 compounds in human cells

Le consortium JUMP-Cell Painting a publié un ensemble de données publiques exhaustif contenant les profils morphologiques de 115 796 composés à travers 1,53 milliard de cellules uniques, établissant une ressource de référence robuste et reproductible qui accélère la découverte de médicaments en portant le profilage par imagerie à l'échelle et à l'utilité de la génomique.

Chandrasekaran, S. N., Seal, S., Ackerman, J., Akella, L. B., Alencar Araripe, D., Alix, E., Ando, D. M., Arevalo, J., B (…)2026-11-03
💻 bio-informatique

scRM: A single-cell foundation model trained on scRNA-seq reads

scRM est le premier modèle de fondation de cellule unique entraîné directement sur des lectures de séquençage brutes, démontrant que cette approche est non seulement réalisable et efficace sur le plan computationnel, mais aussi compétitive par rapport aux modèles existants basés sur les comptages, tout en offrant le potentiel de débloquer de nouvelles perspectives biologiques.

He, D., Patro, R., Nassar, M., Wu, H., Yan, Q., Xu, G., Torkenczy, K., Liu, J., Tyanova, S.2026-11-03