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

Reinforcement Learning for Antibiotic Stewardship: Optimizing Prescribing Policies Under Antimicrobial Resistance Dynamics

Cette étude présente un cadre de simulation pour évaluer des politiques de prescription d'antibiotiques via l'apprentissage par renforcement, démontrant que les approches hiérarchiques surmontent efficacement les défis de l'observabilité partielle et des retards de feedback pour optimiser la gestion de la résistance aux antimicrobiens.

Lee, J., Blumberg, S.2026-03-16
💻 bio-informatique

Personalized Morphology, Replication Timing, and RNA based Gene Expression Networks for Basal-like and Classical subtyping genes in Pancreatic Adenocarcinoma

Cette étude pionnière démontre que l'intégration de proxies de chronologie de réplication et d'embryonnages morphologiques dans des réseaux géniques personnalisés LIONESS permet d'améliorer la robustesse et la précision de la prédiction des sous-types de cancer pancréatique, révélant ainsi l'importance des indicateurs épigénétiques pour comprendre la coordination génique tumorale.

Leyva, A., Niazi, M. K. K.2026-03-16
💻 bio-informatique

Stoic: Fast and accurate protein stoichiometry prediction

Le papier présente Stoic, une méthode rapide et précise utilisant des embeddings de modèles de langage protéique et des réseaux de neurones graphiques pour prédire la stœchiométrie des complexes protéiques en se concentrant sur les résidus d'interface plutôt que sur des méthodes par force brute coûteuses.

Litvinov, D., Pantolini, L., Skrinjar, P., Tauriello, G., McCafferty, C. L., Engel, B. D., Schwede, T., Durairaj, J.2026-03-16
💻 bio-informatique

Introducing non-enzymatic crosslinks into atomistic simulations of collagen fibrils

Cet article présente une extension du framework ColBuilder permettant de générer des modèles atomistiques de fibrilles de collagène intégrant des liaisons croisées non enzymatiques (AGE) et enzymatiques, afin d'étudier leur impact mécanique distinct sur la structure du collagène dans le contexte du vieillissement et du diabète.

Giannetti, G., Pils, J., Graeter, F., Monego, D., Dellago, C.2026-03-16
💻 bio-informatique

Scaling the PBWT for Long-Range Shared Ancestry Detection in Large Haplotype Panels

Le papier présente PBML, un nouvel algorithme optimisé qui exploite l'index PBWT compressé pour identifier efficacement des matches exacts maximaux (SMEMs) longs et partagés par de nombreux haplotypes, surpassant ainsi les méthodes existantes en vitesse et en précision pour la détection d'ascendance partagée à longue distance dans de grands panels génétiques.

Islam, U. I., Cozzi, D., Gagie, T., Varki, R., Colonna, V., Garrison, E., Bonizzoni, P., Boucher, C.2026-03-15
💻 bio-informatique

Bayesian AMMI-Based Simulation of Genotype x Environment Interactions

Cette étude propose un cadre de simulation bayésien basé sur le modèle AMMI pour générer des effets d'interaction génotype-environnement dotés d'une structure directionnelle interprétable, démontrant ainsi son utilité pour visualiser ces interactions et optimiser la sélection génomique dans des conditions environnementales complexes.

Lee, H., Segae, V. S., Garcia-Abadillo, J., de Oliveira Bussiman, F., Trujano Chavez, M. Z., Hidalgo, J., Jarquin, D.2026-03-15
💻 bio-informatique

Efficient protein structure prediction fromcompact computers to datacenters withOpenFold-TRT

Ce papier présente des accélérations combinant OpenFold, TensorRT et MMseqs2-GPU qui permettent une prédiction de structure protéique à haut débit, jusqu'à 131 fois plus rapide qu'AlphaFold2, sur des architectures allant des serveurs x86 aux superpuces ARM, sans compromettre la précision.

Didi, K., Sohani, P., Berressem, F., Nesterovskiy, A., Fomitchev, B., Ohannessian, R., Elbalkini, M., Cogan, J., Costa (…)2026-03-15