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.

Assessment of Generative De Novo Peptide Design Methods for G Protein-Coupled Receptors

Cette étude présente une évaluation approfondie des méthodes de conception de peptides *de novo* ciblant les récepteurs couplés aux protéines G (GPCR) par apprentissage profond, révélant que bien que les méthodes génératives échantillonnent correctement l'espace structural, les pipelines actuels souffrent d'une surestimation de la confiance et d'un problème de score non résolu qui limite leur succès expérimental.

Junker, H., Schoeder, C. T.2026-03-02💻 bioinformatics

Benchmarking niche identification via domain segmentation for spatial transcriptomics data

Cette étude démontre que les algorithmes actuels de segmentation de domaines échouent souvent à identifier correctement les niches biologiques dans les tissus non compartimentés en raison du bruit spatial, et propose que le pondération stratégique des lignées cellulaires fonctionnelles clés permet de restaurer la résolution de ces microenvironnements.

Wang, Y., Chen, Y., Yang, L., Wang, C., Cai, J., Xin, H.2026-03-02💻 bioinformatics

SPATIALLY PATTERNED PODOCYTE STATE TRANSITIONS COORDINATE AGING OF THE GLOMERULUS

Cette étude de transcriptomique à noyau unique révèle que le vieillissement glomérulaire est un processus coordonné et sélectif, caractérisé par une transition d'état spatialement structurée des podocytes vers un phénotype inflammatoire et sénescents dans la région juxtamédullaire, soulignant la nécessité de considérer la complexité cellulaire et spatiale pour les futures stratégies thérapeutiques.

Chaney, C., Pippin, J. W., Tran, U., Eng, D., Wang, J., Carroll, T. J., Shankland, S. J., Wessely, O.2026-03-02💻 bioinformatics

Atlas-scale spatially aware clustering with support for 3D and multimodal data using SpatialLeiden

Cet article présente l'extension de l'algorithme SpatialLeiden pour permettre le regroupement spatial à l'échelle d'un atlas de données omiques multimodales, tridimensionnelles et multi-échantillons, offrant une reconstruction cohérente et évolutive compatible avec l'écosystème scverse.

Müller-Bötticher, N., Malt, A., Kiessling, P., Eils, R., Kuppe, C., Ishaque, N.2026-03-02💻 bioinformatics

Evaluation of deep learning tools for chromatin contact prediction

Cette étude présente un cadre de référence complet évaluant cinq modèles d'apprentissage profond pour la prédiction des cartes de contact Hi-C, démontrant que le modèle Epiphany offre les meilleures performances globales et que les caractéristiques épigénétiques, notamment la liaison de CTCF et la co-accessibilité de la chromatine, sont les principaux déterminants de la précision prédictive.

Nguyen, T. H. T., Vermeirssen, V.2026-03-02💻 bioinformatics

Evaluating genome assemblies with HMM-Flagger

HMM-Flagger est un outil de référence libre qui utilise un modèle de Markov caché pour détecter les erreurs structurelles dans les assemblages de génomes haplotype-résolus, démontrant son efficacité pour identifier des anomalies dans les données HiFi et Nanopore ainsi que pour valider les améliorations des assemblages du Consortium de référence du pangenome humain.

Asri, M., Eizenga, J. M., Hebbar, P., Real, T. D., Lucas, J., Loucks, H., Calicchio, A., Diekhans, M., Eichler, E. E., Salama, S., Miga, K. H., Paten, B.2026-03-02💻 bioinformatics

Prediction and analysis of new HisKA-like domains

Cette étude analyse près de 870 000 séquences de kinases à histidine incomplètes pour identifier 18 nouveaux profils de domaines HisKA-like, dont la structure tridimensionnelle et le contexte génomique confirment leur rôle potentiel dans les voies de signalisation bactérienne, offrant ainsi de nouvelles perspectives pour améliorer l'annotation des mécanismes de régulation chez les procaryotes.

Silly, L., Perriere, G., Ortet, P.2026-03-02💻 bioinformatics