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

Signature Distance: Generalizing Energy Statistics

Cet article présente la Signature Distance, une métrique généralisant la distance d'énergie pour comparer des distributions empiriques en capturant les changements de densité et de structure topologique, ce qui la rend supérieure pour l'évaluation de modèles génératifs et l'expansion de données biologiques.

Lazzaro, N., Marchesi, R., Leonardi, G., Tessadori, J., Chierici, M., Sales, G., Moroni, M., Tebaldi, T., Jurman, G.2026-03-25
💻 bio-informatique

Chromatix: a differentiable, GPU-accelerated wave-optics library

Le papier présente Chromatix, une bibliothèque open-source accélérée par GPU et différentiable basée sur JAX, qui standardise les simulations d'optique ondulatoire pour démocratiser la conception de systèmes optiques et améliorer les performances dans des domaines tels que la microscopie et l'holographie.

Deb, D., Both, G.-J., Bezzam, E., Kohli, A., Yang, S., Chaware, A., Allier, C., Cai, C., Anderberg, G., Eybposh, M. H. (…)2026-03-25
💻 bio-informatique

cellSight: Characterizing dynamics of cells using single-cell RNA-sequencing

Le papier présente cellSight, un flux de travail automatisé et convivial pour l'analyse du RNA-sequencing à l'échelle d'une seule cellule, conçu pour surmonter les limites des méthodes manuelles en améliorant l'efficacité, la reproductibilité et l'évolutivité afin d'accélérer les découvertes biologiques et cliniques.

Chatterjee, R., Gohel, C., Shook, B. A., Taheriyoun, A. R., Rahnavard, A.2026-03-25
💻 bio-informatique

Computational Design and Atomistic Validation of a High-Affinity VHH Nanobody Targeting the PI/RuvC Interface of Streptococcus pyogenes Cas9: A Bivalent Hub Strategy for CRISPR-Cas9 Enhancement

Cette étude présente une conception computationnelle complète et une validation atomistique d'un nanobody VHH de haute affinité ciblant l'interface PI/RuvC de la Cas9 de *Streptococcus pyogenes*, conçu pour servir de plateforme bivalente modulant l'activité CRISPR-Cas9 sans inhiber son activité catalytique.

Kumar, N., Dalal, D., Sharma, V.2026-03-25
💻 bio-informatique

Deconvolution of omics data in Python with Deconomix -- cellular compositions, cell-type specific gene regulation, and background contributions

Le papier présente Deconomix, une boîte à outils Python complète dotée d'une interface graphique, permettant de déconvoluer les données de transcriptomique en vrac pour inférer les compositions cellulaires, optimiser les poids géniques via l'apprentissage automatique, estimer les contributions de fond et déterminer la régulation génique spécifique aux types cellulaires.

Mensching-Buhr, M., Sterr, T., Voelkl, D., Seifert, N., Tauschke, J., Engel, L., Rayford, A., Straume, O., Grellscheid (…)2026-03-24
💻 bio-informatique

A universal model for drug-receptor interactions

Cet article présente un modèle d'apprentissage automatique capable d'inférer les principes des interactions non liées entre médicaments et récepteurs, permettant ainsi de prédire les interactions avec de nouvelles entités chimiques sans biais de mémorisation et comblant ainsi une lacune majeure dans la découverte de médicaments.

Menezes, F., Wahida, A., Froehlich, T., Grass, P., Zaucha, J., Napolitano, V., Siebenmorgen, T., Pustelny, K., Barzowska (…)2026-03-24