858 篇论文
生物信息学宛如一座连接生物学与计算机科学的桥梁，利用强大的算法和数据分析技术，将海量的生命遗传信息转化为可理解的科学发现。这一领域不再依赖显微镜下的观察，而是通过代码挖掘基因组的秘密，帮助科学家理解疾病机制、追踪病毒变异并推动精准医疗的发展。
作为 Gist.Science 的专属栏目，我们持续追踪来自 bioRxiv 的最新预印本论文，确保您能第一时间接触前沿动态。团队对每一篇新上传的预印本进行深度处理，不仅提供详尽的技术总结，更精心撰写通俗易懂的科普解读，让复杂的生物数据变得清晰易懂。
以下为您呈现该领域最新发表的几项重要研究成果，带您探索生命数字化的最新进展。
通过在2023年至2025年间执行三次公开征集（Open Calls）和三次公开挑战（Public Challenges），AI4Life倡议支持了22个生物图像分析项目，并揭示了尽管FAIR深度学习的应用面临显著的实施障碍，但生物学领域科学人工智能的主要瓶颈并不在于方法论的开发，而在于数据、标注以及共享基础设施的可获得性。
本文提出了一种全自动的三阶段几何到神经级联流水线，该流水线结合了具有受试者自适应性的无监督候选生成技术与两个利用极少量人工在环标签训练的轻量级 3D ResNet 分类器，旨在实现对磁敏感加权 MRI 中脑微出血的高精度检测，同时显著减少来自血管和非血管拟态物的假阳性。
由于基础的“偏差误差”（Deviation Error）指标在被确立为评估机器学习预测的正式评分规则之前，需要进行实质性的数学形式化与理论验证，因此本稿件已被撤回。
Spaceland 是一个形态学引导的计算框架，它通过整合稀疏的空间转录组学与连续的 H&E 组织学切片，重建连续、高分辨率的整个器官 3D 分子图谱，从而在无需详尽实验采样的情况下实现可扩展的虚拟组织建模。
本研究通过对343名受试者的心率变异性数据进行分析，比较了用于估算生物年龄的多重线性回归（MLR）、偏差修正后的MLR以及Klemera-Doubal方法（KDM），结果发现KDM产生的估算误差最低，而偏差修正后的MLR虽然比未修正的MLR提高了准确性，但受限于其对实际年龄的依赖。
本文介绍了一种离散逆向渲染框架，该框架将生物图像分析表述为一个全局最优整数规划问题，通过统一检测、追踪和事件推理，显著提升了在低信号成像场景下的表现，超越了标准的局部决策流水线。
GPSNorm 是一种新颖的贝叶斯空间归一化框架，它通过层次高斯过程方法对技术变异、空间结构和生物信号进行联合建模，从而将归一化不确定性传播到下游差异表达分析中，进而提高空间转录组数据的鲁棒性和可解释性。
本文介绍了 SyntenyPair Explorer，这是一个轻量级、无需安装、基于浏览器的工具，能够利用标准的比较基因组学文件格式实现对成对基因组共线性进行交互式可视化与探索，且无需本地软件或服务器基础设施。
本文介绍了“deepthought”，这是一个模块化的显微成像采集栈，它通过标准化设备访问和存储等通用组件，同时隔离特定应用的解释与靶向逻辑，从而在诸如高通量筛选和长期活细胞追踪等多种生物场景中，实现具备分析在环（analysis-in-the-loop）能力的自主成像。
通过密度泛函理论计算，本研究提出了一种在生命起源前条件下形成甘氨酸二肽的新型无催化剂自由基化学路径，该路径以较低的电子能量垒为特征，并得到了对中间体自由基性质详细分析的支持。