💻 Category

bioinformatics

1076 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.

💻 bioinformatics

Learning Mappings from Cryo-EM Images to Atomic Coordinates via Latent Representations

Cette étude démontre, dans un cadre synthétique, qu'un auto-encodeur convolutif couplé à un réseau de régression peut prédire avec précision les coordonnées atomiques 3D à partir d'images cryo-EM bruitées sans nécessiter de récupération de pose ni de calculs de projection, validant ainsi une approche d'apprentissage supervisé pour estimer rapidement la variabilité conformationnelle des biomolécules.

Abid, E., Jonic, S.2026-02-18
💻 bioinformatics

Wayfarer: A multiscale framework for spatial analysis of tumor progression

Le papier présente Wayfarer, un cadre d'analyse spatiale multiscale intégré dans un package R, qui permet de suivre l'évolution des associations spatiales à travers différentes résolutions pour révéler des signatures de progression tumorale invisibles aux échelles uniques, comme démontré sur des données de transcriptomique spatiale de cancer du poumon.

Moses, L., Herault, A., Cabon, L., Dumitrascu, B.2026-02-18
💻 bioinformatics

Fast structural search for classification of gut bacterial mucin O-glycan degrading enzymes

Le papier présente DEFT, une nouvelle méthode d'apprentissage profond qui combine les approches basées sur la séquence et la structure pour améliorer la précision et l'efficacité de la prédiction des numéros EC, permettant ainsi une annotation à haut débit des enzymes bactériennes dégradant les mucines intestinales.

Erden, M., Schult, T., Yanagi, K., Sahoo, J. K., Kaplan, D. L., Cowen, L. J., Lee, K.2026-02-18
💻 bioinformatics

Resolving Genome-to-Phenotype Links in Bacteria: Machine-Learned Inference from Downsampled k-mer Representations

Cette étude démontre qu'un algorithme de sous-échantillonnage basé sur les préfixes permet de réduire la taille des génomes bactériens tout en maintenant une haute précision prédictive pour les phénotypes, surpassant les architectures d'apprentissage profond complexes et offrant une voie prometteuse vers des modèles de langage génomique légers et interprétables.

Regueira, T. G. B., Barra, C., Lund, O.2026-02-18
💻 bioinformatics

Information-Content-Informed Kendall-tau Correlation Methodology: Interpreting Missing Values in Metabolomics as Potentially Useful Information

Cet article présente la méthodologie ICI-Kt, qui interprète les valeurs manquantes de type censuré à gauche dans les données métabolomiques comme des informations utiles pour améliorer le calcul de la corrélation de Kendall-tau, la détection d'échantillons aberrants et la construction de réseaux de caractéristiques.

Flight, R. M., Bhatt, P. S., Moseley, H. N. B.2026-02-17