💻 Category

bioinformatics

1063 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.

💻 bioinformatics

Flow Orchestrated Regulatory Genomics Engine (FORGE): A Configurable Nextflow Pipeline for End-to-End snMultiome Analysis

FORGE est un pipeline Nextflow conteneurisé et configurable qui automatise l'analyse de bout en bout du multiome de noyau unique en intégrant les données d'expression génique et d'accessibilité de la chromatine pour l'inférence de réseaux de régulation et les tests différentiels, améliorant ainsi la scalabilité, la reproductibilité et l'interprétation biologique à travers divers ensembles de données.

Solano, L. E., Rahimzadeh, N., Shi, Z., Swarup, V.2026-09-16
💻 bioinformatics

ML4SD: Leveraging Machine Learning and High-Throughput Search Algorithms for an Iterative Growth-Coupled Design Innovation

Le document présente ML4SD, un cycle d'apprentissage actif de type Conception-Fabrication-Test-Apprentissage qui intègre l'apprentissage automatique à un nouvel algorithme à haut débit (gcSwarms) afin d'identifier efficacement des conceptions de souches microbiennes à croissance couplée, atteignant des rendements en carbone nettement plus élevés avec beaucoup moins d'itérations expérimentales que les méthodes de recherche traditionnelles.

Gargantilla Becerra, A., Nogales Enrique, J.2026-09-16
💻 bioinformatics

A Turing-Style Test for In-Silico Antibodies: How Sampling Mode Makes WGAN-GP Beat VAE in the Wet Lab

Cette étude démontre que, bien que les Wasserstein GAN aient surpassé les auto-encodeurs variationnels dans la génération d'anticorps de novo expérimentalement viables (99 % contre 5 % de succès), cette disparité était principalement dictée par la stratégie d'échantillonnage — génération inconditionnelle par rapport à l'amorçage latent avec des anticorps connus — plutôt que par une supériorité architecturale intrinsèque.

Kummer, A., Mahmoudinobar, F., Liu, W., Davis, J. W., Ma, E. J., Kumar, S.2026-09-16
💻 bioinformatics

Uncertainty-Aware Model Selection with a Calibrated Probability-Generating-Function-Based Bayesian Information Criterion

Cet article introduit une règle de sélection de modèle sensible à l'incertitude pour les modèles d'expression génique stochastiques qui améliore le PGF-BIC conventionnel en incorporant un seuil dérivé des données, via des fonctions d'influence et l'inégalité de Cantelli, afin de tenir compte de l'incertitude d'échantillonnage et d'empêcher la sur-sélection de modèles complexes sans sacrifier l'efficacité computationnelle.

Wang, Y., Shu, Z., Gao, F., Cao, Z.2026-09-16
💻 bioinformatics

Interpretable Machine Learning Reveals Complementary Age-Related Signatures in the Oral and Gut Microbiome

En employant l'interprétabilité basée sur SHAP sur des données appariées du microbiote oral et intestinal, cette étude révèle que, bien que les modèles combinés ne surpassent pas la précision prédictive parfaite des données intestinales seules pour distinguer les nouveau-nés des adultes, ils mettent au jour des signatures biologiques complémentaires et non redondantes de la cavité buccale qui passeraient autrement inaperçues avec les mesures de précision conventionnelles.

Ruthbah, C. A., Sadi, T. H., Jahan, N. E. S., Adib, A. N. M. T.2026-09-15
💻 bioinformatics

Hierarchical temporal transformer for cancer grade prediction and cross cancer transfer learning from pathology reports

Cet article introduit le Hierarchical Temporal Transformer (HTT), une architecture à deux niveaux qui exploite les rapports de pathologie longitudinaux et les plongements de types de cancer pour atteindre l'état de l'art en matière de prédiction du grade de cancer et démontrer un apprentissage par transfert zéro-shot efficace vers des types de cancer inédits sans pénalité de performance.

Brimo, N., Anand, R., Harb, H., Serdaroglu, D. C.2026-09-15
💻 bioinformatics

POME: Graph-based embeddings for partially observed mixed-type data

L'article présente POME, un modèle d'enchâssement basé sur les graphes et auto-supervisé conçu pour générer des représentations de faible dimension pour des données biomédicales de types mixtes partiellement observées, atteignant des performances d'imputation de l'état de l'art et permettant des tâches en aval efficaces telles que la découverte de sous-groupes de patients, la modélisation prédictive et la recommandation de thérapie.

Woller, F., Arend, L., Kist, A. M., List, M., Rahimi, F., Sirocchi, C., Blumenthal, D. B.2026-09-15
💻 bioinformatics

An interpretable peptide-HLA model emergently learns binding energetics and structure

L'article présente LAMINA, un modèle d'apprentissage profond interprétable qui prédit avec précision la liaison peptide-HLA en agrégeant des interactions de motifs souples, atteignant des performances de pointe tout en apprenant de manière émergente l'énergétique de liaison et les caractéristiques structurelles à partir de données de séquences seules.

Chen, S. F., Steele, R. J., Oermann, E. K.2026-09-14
💻 bioinformatics

pydreg: a fast Python package for identifying active cis-regulatory elements from nascent transcription

L'article présente pydreg, une réimplémentation Python rapide et maintenable de l'algorithme dREG pour identifier les éléments cis-régulateurs actifs à partir de la transcription naissante, ce qui réduit considérablement le temps d'exécution et l'utilisation de la mémoire tout en préservant l'exactitude et la compatibilité de la méthode originale avec les infrastructures informatiques modernes.

He, A. Y., Danko, C. G.2026-09-13
💻 bioinformatics

Matched full-UDG and non-UDG ancient DNA libraries reveal trade-offs in post-mortem damage correction for imputation and kinship inference

En comparant des bibliothèques d'ADN ancien appariées, issues de préparations avec et sans UDG, provenant d'individus mongols médiévaux, cette étude démontre que si diverses méthodes de correction des dommages computationnels (élagage, repondération et masquage) équilibrent de manière différentielle la rétention des sites et la réduction des erreurs, le choix optimal dépend de l'analyse en aval spécifique, les données corrigées s'avérant essentielles pour une inférence de parenté précise dans les bibliothèques non-UDG.

Ravdandorj, O., Sampildondov, C., Janchiv, K., Gakuhari, T.2026-09-13