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.

GraTools, an user-friendly tool for exploring and manipulating pangenome variation graphs

GraTools est un outil en ligne de commande open source, rapide et convivial, conçu pour manipuler efficacement les graphes de variation de pan-génomes (PVG) directement à partir de fichiers GFA, permettant ainsi des analyses avancées et une réutilisation fluide des outils existants pour des applications en génétique des populations et en médecine génomique.

Ravel, S., Marthe, N., Carrette, C., Mohamed, M., Sabot, F., Tranchant-Dubreuil, C.2026-03-05💻 bioinformatics

Machine Learning Ensemble Reveals Distinct Molecular Pathways of Retinal Damage in Spaceflown Mice

Cette étude utilise un ensemble d'apprentissage automatique pour révéler que le stress oxydatif et l'apoptose dans la rétine des souris exposées à l'espace suivent des voies moléculaires distinctes, offrant ainsi un cadre pour développer des biomarqueurs et des thérapies afin de protéger la vision des astronautes.

Casaletto, J. A., Scott, R. T., Rathod, A., Jain, A., Chandar, A., Adapala, A., Prajapati, A., Nautiyal, A., Jayaraman, A., Boddu, A., Kelam, A., Jain, A., Pham, B., Shastry, D., Narayanan, D., Kosara (…)2026-03-05💻 bioinformatics

Nested birth-death processes are competitive with parameter-heavy neural networks as time-dependent models of protein evolution

En introduisant des états latents et une structure imbriquée dans le modèle TKF92, cette étude démontre que les processus de naissance-mort peuvent rivaliser avec des réseaux de neurones massifs pour modéliser l'évolution des protéines, offrant ainsi une approche bien plus parcimonieuse en paramètres et ancrée dans la théorie évolutive.

Large, A., Holmes, I.2026-03-05💻 bioinformatics

Towards building a World Model to simulate perturbation-induced cellular dynamics by AlphaCell

AlphaCell est un modèle génératif de « monde virtuel cellulaire » qui surmonte les limites des approches actuelles en unifiant la représentation complète du transcriptome et la modélisation des transitions d'état via le transport optimal, permettant ainsi une prédiction robuste et généralisable des dynamiques cellulaires induites par des perturbations, y compris dans des contextes jamais vus.

Chuai, G., Chen, X., Yang, X., Zhang, C., Qu, K., Wang, Y., Li, W., Yang, J., Si, D., Xing, F., Gao, Y., Wu, S., Fu, S., He, B., Liu, Q.2026-03-05💻 bioinformatics

A Resolution-Agnostic Geometric Transformer for Chromosome Modeling Using Inertial Frame

Cet article présente InertialGenome, un cadre novateur basé sur les transformateurs et l'utilisation d'un repère inertiel pour reconstruire de manière robuste et agnostique à la résolution les structures 3D des chromosomes à partir de données Hi-C, surpassant les méthodes existantes et permettant un transfert d'apprentissage efficace entre différentes résolutions.

Zhou, Y., Li, H., Liu, S.2026-03-05💻 bioinformatics

Single-Cell Omics for Transcriptome CHaracterization (SCOTCH): isoform-level characterization of gene expression through long-read single-cell RNA sequencing

Le pipeline SCOTCH permet une caractérisation robuste et complète des isoformes d'ARNm à l'échelle d'une seule cellule à partir de données de séquençage long-read, en surclassant les méthodes existantes pour la quantification des isoformes connus et la découverte de nouveaux variants.

Xu, Z., Qu, H.-Q., Mu, S., Kao, C., Hakonarson, H., Wang, K.2026-03-04💻 bioinformatics