878 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.
EZSolver est un cadre génératif sans gabarit qui exploite l'appariement de flux et la recherche bidirectionnelle guidée par évaluateur pour prédire avec précision les mécanismes de réactions enzymatiques polaires pour la chimie hors distribution, surmontant ainsi les limitations de généralisation des modèles traditionnels basés sur des règles.
Cette étude présente PredHLM, un modèle d'apprentissage automatique basé sur XGBoost, quantitatif et interprétable, entraîné sur près de 12 000 composés, qui prédit avec précision la demi-vie métabolique dans les microsomes de foie humain et identifie les principaux facteurs chimiques déterminants afin de soutenir une prise de décision rapide lors des premières phases de la découverte de médicaments.
L'article présente stGP, un cadre statistique qui décompose les données transcriptomiques spatiotemporelles en composantes temporelles et spatiales afin d'identifier des programmes de gènes interprétables et spécifiques aux types cellulaires, révélant ainsi comment les architectures tissulaires dynamiques et les réponses cellulaires localisées évoluent à travers le temps et les niches anatomiques.
L'article introduit DL4DR, un modèle d'apprentissage profond à deux tours avec fusion tardive résiduelle, qui prédit les réponses aux médicaments pour l'ensemble du cancer du sein en encodant les lignées cellulaires sous forme d'images génomiques et en combinant les représentations moléculaires, atteignant ainsi une généralisation supérieure aux lignées cellulaires et types de cancers non vus tout en identifiant de nouveaux moteurs génomiques sans dépendre des identités des lignées cellulaires.
L'article présente hmSEKRE, un modèle de Markov caché basé sur les k-mers qui analyse les transcriptomes pour identifier des similitudes de séquences non linéaires au niveau des domaines dans les ARN longs non codants, permettant ainsi la découverte de domaines d'ARN fonctionnellement liés et de leurs réseaux d'interaction protéique associés sans nécessiter de connaissances préalables en alignement de séquences.
L'article présente AllTheBacteria, une ressource communautaire complète qui traite uniformément près de 2,5 millions de génomes bactériens publics pour permettre la recherche biologique à grande échelle et démontre avec succès son utilité en découvrant et en validant de nouveaux antibiotiques peptidiques grâce au minage piloté par l'IA.
L'article présente PHI, un flux de travail basé sur Galaxy, convivial et automatisé, qui rationalise l'identification reproductible des prophages, la prédiction des interactions avec l'hôte et la caractérisation fonctionnelle tout en générant des rapports standardisés afin d'abaisser les barrières pour les experts comme pour les non-experts dans la recherche en génomique virale.
Cet article présente BGC-MLM, un modèle de fond préentraîné sur des séquences non étiquetées d'ensembles de gènes biosynthétiques qui améliore significativement la prédiction des propriétés, de la bioactivité et de la similitude structurelle des produits naturels, améliorant ainsi l'efficacité du minage génomique pour de nouveaux produits naturels.
La mise à jour 2026 de Scop3P présente une expansion majeure de cette base de connaissances informée par la protéomique en intégrant 152 350 sites de phosphorylation humaine uniformément retraités avec des annotations structurelles, biophysiques, évolutives et mutationnelles exhaustives afin de fournir une ressource évolutive et sensible à la provenance pour interpréter la phosphorylation dans des contextes fonctionnels et pathologiques.
Cette étude évalue la performance d'AlphaFold2, d'AlphaFold3 et des protocoles d'échantillonnage améliorés dans la modélisation de la reconnaissance antigénique des anticorps et des TCR, démontrant que si l'augmentation de l'échantillonnage et AlphaFold3 améliorent généralement la précision, le succès varie considérablement selon les types de complexes et peut être davantage stimulé par le regroupement de modèles complémentaires.