💻 Category

bioinformatics

1250 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.

In Silico Screening of Indian Medicinal Herb Compounds for Intestinal α-Glucosidase Inhibition with ADMET and Toxicity Assessment for Postprandial Glucose Management in Type-2 Diabetes

Cette étude de criblage virtuel identifie des composés phytochimiques, notamment des withanolides de *Withania somnifera*, comme de puissants inhibiteurs potentiels de l'α-glucosidase intestinale pour la gestion de l'hyperglycémie postprandiale dans le diabète de type 2, surpassant parfois l'affinité du médicament de référence miglitol.

Roy, D. A. C., GHOSH, D. I.2026-03-03💻 bioinformatics

Enabling Megascale Microbiome Analysis with DartUniFrac

Le papier présente DartUniFrac, un algorithme accéléré par GPU qui permet une analyse méga-échelle du microbiome en calculant des similarités UniFrac jusqu'à mille fois plus rapidement que les méthodes actuelles tout en restant statistiquement équivalent aux implémentations exactes.

Zhao, J., McDonald, D., Sfiligoi, I., Lladser, M. E., Patel, L., Weng, Y., Khatib, L., Degregori, S., Gonzalez, A., Lozupone, C., Knight, R.2026-03-03💻 bioinformatics

RankMap: Rank-based reference mapping for fast and robust cell type annotation in spatial and single-cell transcriptomics

Le papier présente RankMap, un package R efficace et robuste qui utilise une représentation basée sur le classement des gènes et une régression multinomiale pour annoter rapidement les types cellulaires dans les données de transcriptomique spatiale et monocellulaire, surpassant ou égalant les méthodes existantes tout en réduisant considérablement le temps de calcul.

Cheng, J., Li, S., Kim, S., Ang, C. H., Chew, S. C., Chow, P. K.-H., Liu, N.2026-03-03💻 bioinformatics

Towards Cross-Sample Alignment for Multi-Modal Representation Learning in Spatial Transcriptomics

Cet article présente un cadre d'apprentissage de représentations profondes qui combine des méthodes de correction transcriptomique et des modèles fondationnels pour aligner efficacement les données multi-modales de transcriptomique spatiale à travers différents échantillons et cohortes, surpassant ainsi les approches de correction de lot conventionnelles.

Dai, J., Nonchev, K., Koelzer, V. H., Raetsch, G.2026-03-03💻 bioinformatics

Structural Plausibility Without Binding Specificity: Limits of AI-Based Antibody-Antigen Structure Prediction Confidence Scores

Cette étude démontre que, bien que les méthodes de prédiction de structure par IA comme AlphaFold3 génèrent des complexes anticorps-antigène géométriquement plausibles, leurs scores de confiance internes échouent à distinguer les interactions cognitives des appariements incorrects, soulignant la nécessité de valider ces outils contre des contrôles négatifs réalistes.

Smorodina, E., Ali, M., Kropivsek, K., Salicari, L., Miklavc, S., Kappassov, A., Fu, C., Sormanni, P., de Marco, A., Greiff, V.2026-03-03💻 bioinformatics

A comprehensive benchmark of publicly available image foundation models for their usability to predict gene expression from whole slide images

Cette étude présente un benchmark complet de cinq modèles d'infrastructure visuelle pour la prédiction de l'expression génique à partir d'images de lames entières, démontrant que les modèles pré-entraînés spécifiquement en histopathologie, notamment Phikon, surpassent les encodeurs d'usage général pour cette tâche.

Jabin, A., Ahmad, S.2026-03-03💻 bioinformatics

An Integrated Computational Antigen Discovery Pipeline with Hierarchical Filtering for Emerging Viral Variants

Cet article présente un pipeline computationnel intégré utilisant des stratégies de filtrage hiérarchique et d'apprentissage automatique pour accélérer la découverte d'antigènes et l'identification d'épitopes conservés chez des virus émergents tels que le virus de la fièvre de la vallée du Rift, le virus Mayaro et le SARS-CoV-2.

Roy, R. S., Oh, J., Abeer, A. N. M. N., Giraldo, M. I., Ikegami, T., Weaver, S. C., Vasilakis, N., Yoon, B.-J., Qian, X.2026-03-03💻 bioinformatics

Navigating the peptide sequence space in search for peptide binders with BoPep

Le cadre BoPep, basé sur l'optimisation bayésienne, accélère considérablement la découverte de peptides thérapeutiques en naviguant efficacement dans l'espace des séquences pour identifier des candidats à fort potentiel de liaison, comme démontré par la découverte de nouveaux peptides liant CD14 et neutralisant la pneumolysine.

Hartman, E., Samsudin, F., Siljehag Alencar, M., Tang, D., Bond, P. J., Schmidtchen, A., Malmstrom, J.2026-03-02💻 bioinformatics