bioinformatics 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。

本文介绍了 ecEvol，这是一种通过分析来自体全基因组测序的等位基因频率谱来推断染色体外 DNA (ecDNA) 出现的时间、选择强度和克隆优势的计算方法，揭示了由癌基因驱动的早期 ecDNA 形成与较差的患者生存率相关，并且 ecDNA 的动态变化在未治疗肿瘤与晚期肿瘤之间存在显著差异。

ReconSIREN 是一种新颖的深度学习框架，它利用混合专家（Mixture-of-Experts）架构来执行完全从头算（\textit{ab initio}）的冷冻电镜（CryoEM）单颗粒分析，能够在不依赖传统优化方法的情况下，同时解决择优取向伪影、颗粒异质性以及构象灵活性问题。

本研究引入了一种拓扑驱动的框架，该框架成功整合了来自人类工程化心脏组织的蛋白质组学和功能性数据，以揭示肾上腺素和阿霉素如何通过差异化地调节能量稳态、线粒体翻译和蛋白质稳态，从而发挥相反的正性肌力效应。

KENT 是一个便携式、离线边缘计算框架，利用 NVIDIA Jetson Nano 模块集群，旨在资源受限的环境中实现快速、GPU 加速的宏基因组病原体筛查，在保持高分类准确度和丰度估计保真度的同时，较之 CPU 基准实现了显著的速度提升。

FlyAnatoView 是一种通过将转录组图谱投影到黑腹果蝇的解剖图谱上，从而恢复单个细胞特定组织或器官位置信息的资源，旨在解决单细胞 RNA 测序数据中缺乏空间上下文的问题。

FilAdh 是一个统一的、具备降解感知能力的计算框架，它能够同时对局灶粘附（focal adhesions）进行分割并重建肌动蛋白应力纤维（actin stress fibers），从而实现精确的形态测量分析与空间分类，在基准测试中表现优于现有方法，同时明确表征了特定的成像缺陷如何影响结构测量。

本文提出了一种用于分析纳米孔蛋白质离子电流信号的集成计算策略，该策略结合了去噪、分割和机器学习技术，旨在克服区分所有 20 种氨基酸的挑战，从而在基于电荷的二分类中实现高精度，并对多肽易位进行建模。

本研究表明，当前 Perturb-seq 筛选中使用的加性输入编码模型无法泛化至新的、留出的扰动目标，这揭示了尽管推断出的调控算符在数学上具有可辨识性，但其并未被验证能够预测对未见基因的响应。

VINTER 是一种生成式视觉-语言模型，它将组织学、基因表达和空间邻域统一为一个序列，以准确地标注和查询跨不同平台与分辨率的空间组织结构，从而揭示隐藏的生物异质性，并实现无需重新训练的分子证据编辑。

本研究评估了 TGAN 和 CTGAN 模型在生成合成的 6 年纵向心血管疾病数据方面的表现，发现虽然 CTGAN 与 TGAN 及扰动基准相比，通常在保真度和隐私性方面表现更优，但仍需进一步改进，以更好地保留时间特征以及在较年轻年龄组中的表现。