バイオインフォマティクスは、膨大な生物学的データをコンピュータの力で解析し、生命の謎を解き明かす分野です。ゲノム情報やタンパク質の構造といった複雑なデータから、新たな発見を引き出すための重要な橋渡し役となっています。

Gist.Science では、bioRxiv から公開される最新のプレプリントをすべて対象に、この分野の論文を網羅的に扱っています。専門的な詳細な要約に加え、難しい専門用語を避け、誰でも理解できる平易な日本語での解説も併せて提供しています。

以下に、bioRxiv から更新されたばかりのバイオインフォマティクスに関する最新論文の一覧を掲載します。

💻 bioinformatics

Rigidity-Aware Geometric Pretraining for Protein Design and Conformational Ensembles

この論文は、タンパク質の幾何学的特性と剛性を考慮した自己教師あり学習フレームワーク「RigidSSL」を提案し、分子動力学シミュレーションや摂動データを用いた事前学習により、タンパク質設計の設計可能性や新規性、およびコンフォメーションアンサンブルの予測精度を大幅に向上させることを示しています。

Ni, Z., Li, Y., Qiu, Z., Schölkopf, B., Guo, H., Liu, W., Liu, S.2026-03-06
💻 bioinformatics

Using Variable Window Sizes for Phylogenomic Analyses of Whole Genome Alignments

本研究は、組換え率の染色体内変動を考慮し、固定ウィンドウサイズ法の限界を克服するために、分割・結合戦略を用いて全ゲノムアラインメント上で可変ウィンドウサイズを許容する新たな系統ゲノム解析手法を提案し、シミュレーションおよび実データ解析においてその有効性を示しました。

Ivan, J., Lanfear, R.2026-03-06
💻 bioinformatics

Reliable prediction of short linear motifs in the human proteome

本論文は、深層学習を活用してヒトタンパク質中の短鎖リニアモチーフ(SLiM)を高精度に予測し、既存の手法による偽陽性を約 80% 削減するとともに、未知のモチーフの発見やタンパク質間相互作用の精密な予測を可能にする新しいツール「SLiMMine」を提案し、その Web サーバーを公開したものである。

Pancsa, R., Ficho, E., Kalman, Z. E., Gerdan, C., Remenyi, I., Zeke, A., Tusnady, G. E., Dobson, L.2026-03-06
💻 bioinformatics

From variability to consensus: rescoring harmonizes peptide identification across diverse search engines and datasets

本論文は、7 つの検索エンジンと多様なデータセットを用いたベンチマークを通じて、予測ベースのリスコアリング手法がペプチド同定の一致率を高め、プロテオミクス解析の堅牢性と比較可能性を向上させる一方で、適切な特徴量選択とデータベースの選定が偽陽性率の制御に不可欠であることを示しています。

Winkelhardt, D., Berres, S., Uszkoreit, J.2026-03-06
💻 bioinformatics

Unveiling Common Molecular Signatures and Pathways in Psychiatric Disorders and Alcohol Use Disorder through Integrated Transcriptome Analysis

本研究は、統合トランスクリプトーム解析とネットワークベースのアプローチを用いて、アルコール使用障害と精神疾患の共通分子基盤を解明し、TTR などのハブ遺伝子、YY1 や FOXC1 などの転写因子、および特定の miRNA を含む潜在的なバイオマーカーや治療標的を同定しました。

Khan, M., Khan, S., Amin, M. F., Hossain, M. A.2026-03-06
💻 bioinformatics

Phenotypic reversion and target prioritization for cellular inflammation via representation learning with foundation models

本研究は、単細胞基盤モデル(scFMs)と大規模な Perturb-seq データセットを活用し、炎症性疾患に関連する刺激条件下で遺伝子ノックアウトの影響を評価することで、炎症性細胞表現型の正常化を誘導する有望な治療ターゲットを特定する、スケーラブルかつデータ駆動型の手法を提案しています。

Wong, D. R., Piper, M., Qiao, J., Russo, M., Jean, P., Clevert, D.-A., Arroyo, J., Pashos, E.2026-03-06