Un navigateur génomique débridé comme une Formule 1 express

Original: "Fast genomic read alignment with minibwa"
· Heng Li, Nils Homer
arXiv:2606.15357 · 2026-06-13 · CC BY 4.0 · 1 min
Le nouvel algorithme minibwa lit le code de l'ADN quatre fois plus vite que le précédent champion, sans perdre en précision.

Un épais manuel en plusieurs volumes, c'est le génome humain de référence. Et les petits bouts de phrases éparpillés sur la table, ce sont les millions de fragments d'ADN séquencés. Le rôle d'un navigateur comme BWA-MEM est de trouver pour chaque fragment sa place exacte dans le manuel. Avant, le programme faisait cela méthodiquement, mais lentement : il vérifiait chaque paragraphe, revenait sur les passages douteux, perdait du temps sur les répétitions inextricables.

[minibwa](https://github.com/lh3/minibwa) agit autrement. Il précharge à l'avance les pages nécessaires (préchargement lors du semis), saute les re-vérifications inutiles et ne s'enlise pas dans les zones « poubelles » où, à cause des réarrangements, la phrase ne trouvera de toute façon pas de correspondance exacte. Résultat : la recherche est environ quatre fois plus rapide qu'avec le BWA-MEM d'origine et deux fois plus rapide qu'avec sa version améliorée BWA-MEM2. La précision reste au même niveau.

L'outil prend également en charge directement, pour la première fois, le séquençage au bisulfite — une méthode qui marque chimiquement les régions d'ADN « éteintes », permettant d'étudier l'épigénétique sans astuces supplémentaires.

Un tel gain de vitesse n'est pas qu'une simple commodité. Lorsqu'une analyse clinique exige une réponse urgente et que le serveur bourdonne avec des milliers d'échantillons, chaque seconde compte. Minibwa réduit des heures de calcul à quelques minutes et rapproche le moment où le décodage complet du génome deviendra une routine dans un hôpital ordinaire.

Le BWA-MEM d'origine était si lent que dans certains projets de décodage du génome humain, l'alignement prenait plus de temps que le séquençage de l'ADN lui-même.

Scientifiques
Andrey Markov
Notions
algorithme génétique séquençage