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

A comparison of two culture and three sequencing methods for detection of the urobiome

Cette étude compare la culture d'urine standard, la culture d'urine quantitative améliorée et trois méthodes de séquençage sur des échantillons d'urine de participantes enceintes, révélant que bien qu'aucune méthode ne soit universellement supérieure, la métagénomique shotgun à lecture longue offre la couverture taxonomique la plus large et que la culture améliorée surpasse le séquençage pour certains taxons spécifiques, soulignant la nécessité d'aligner la sélection de la méthode avec les objectifs de recherche ou cliniques spécifiques.

Khemmani, M., Noronha, M. F., Pham, T., Ferneyhough, B., Roddis, M., Parkinson, N. J., Wolfe, A. J.2026-11-03
💻 bio-informatique

BioResearchBench: 50 Long Horizon Biological Research Tasks

BioResearchBench est un benchmark exigeant de 50 tâches de recherche biologique à long terme à travers 10 sous-domaines qui révèle que les modèles d'IA de pointe actuels peinent avec le raisonnement scientifique et le jugement expérimental malgré l'exécution souvent correcte des étapes analytiques individuelles, mettant en évidence des lacunes critiques dans l'interprétation des données et la prise de décision pour l'assistance scientifique réelle.

Abedrabbo, S., Pryhoda, A., Goodman, K., Taavola, J., Milam, E., Albright, A., Jabal, R., Yang, M., Burrese, C., Tubby (…)2026-11-03
💻 bio-informatique

Ark-ADMET: endpoint-specific selection of molecular representations and hyperparameters for gradient-boosted ADMET models under the Therapeutics Data Commons benchmark protocol

L'étude Ark-ADMET démontre que l'adaptation des représentations moléculaires et des hyperparamètres de CatBoost à chaque point de terminaison ADMET individuel, plutôt que l'application d'une architecture uniforme à l'ensemble des tâches, permet d'obtenir des performances compétitives ou supérieures sur le benchmark Therapeutics Data Commons sans nécessiter de nouvelles architectures de modèles.

Shi, Y., Luo, H., Liu, F., Zhao, S.2026-11-03
💻 bio-informatique

CNVision: a computational framework for functional interpretation of intragenic copy number variants

CNVision est un cadre de calcul conteneurisé qui automatise l'interprétation fonctionnelle standardisée et sensible aux transcrits des variants du nombre de copies intragéniques en cartographiant avec précision les points de rupture sur les séquences codantes et en classant les conséquences sur le cadre de lecture, réduisant ainsi considérablement le temps d'analyse manuelle et améliorant la cohérence par rapport aux méthodes traditionnelles.

Liao, M., Zhuo, X.2026-11-03
💻 bio-informatique

Parameter-Efficient Adaptation of Protein Language Models for Dual-Target Antimicrobial Peptide Discovery Under Strict Homology Constraints

Ce document présente un cadre d'apprentissage par transfert multitâche à efficacité de paramètres basé sur ESM-2 et LoRA qui surmonte avec succès les limitations des modèles de langage protéiques gelés pour prédire à la fois la puissance antibactérienne et la toxicité hémolytique sous des contraintes d'homologie strictes, permettant la découverte de peptides antimicrobiens hautement sélectifs dotés d'indices thérapeutiques supérieurs.

Jat, R., Ejaz, S. R.2026-11-03
💻 bio-informatique

A validation approach for RNA structures based on deep-learning 3D-structure predictions

Cet article présente une extension de l'outil Conkit-validate à l'ARN, introduisant une méthode de validation sans carte basée sur l'apprentissage profond qui exploite les prédictions de contact pour détecter les erreurs structurelles, telles que les erreurs d'assignation de registre, particulièrement dans les cas où les approches traditionnelles basées sur des cartes sont limitées par des données expérimentales à faible résolution.

Voorspoels, A., Simpkin, A. J., Keegan, R., Chojnowski, G., Rigden, D. J.2026-11-03
💻 bio-informatique

Edi-Set-Flow: detecting differential RNA-editing at scale

Les auteurs présentent Edi-Set-Flow, un pipeline Nextflow évolutif et reproductible couplé à un package R pour l'analyse de l'édition d'ARN de type A vers I à l'échelle du transcriptome dans les données de l'ARN-seq en vrac, ce qui permet une détection, une annotation et une comparaison statistique robustes des événements d'édition à travers divers ensembles de données humaines et murines.

Munro, J. E., Bahlo, M., Ansell, B. R. E.2026-11-03
💻 bio-informatique

Bayesian model-based method for clustering gene expression time series with multiple replicates

Cet article présente MMDPGP, une méthode bayésienne basée sur des modèles qui utilise des processus gausiens de Dirichlet pour regrouper les séries temporelles d'expression génique avec de multiples réplicats en modélisant chaque réplicat séparément, atteignant ainsi une précision de regroupement et une compréhension biologique supérieures par rapport aux approches de pointe.

Nushi, E., Douillard, F. P., Selby, K., Lindström, M., Honkela, A.2026-11-02