1250 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。
该论文提出了一种名为 TOB-QMC 的新框架，通过结合基于四元组的物种树估计（如 TREE-QMC）与基于假设检验的边收缩策略，实现了在网络多物种溯祖模型下对“blob 树”（TOB）的快速、统计一致且可扩展的重建，其性能在模拟数据中优于现有方法 TINNiK 并能处理更大规模的数据集。
本文介绍了 MANTIS，这是一个首个统一整合空间代谢组学、空间转录组学、细胞类型及空间域信息的统计框架，它通过自相关保持的置换策略和空间统计量，在有效校正混杂因素的同时，能够精准识别代谢物空间模式并解析基因 - 代谢物关系。
本文提出了名为 DETANGO 的新型深度学习框架，通过从蛋白质语言模型预测的突变效应中剥离稳定性扰动成分，成功解耦了突变对蛋白质稳定性与功能的影响，从而能够精准识别稳定但失活的突变体并定位关键功能位点，为理性蛋白质工程提供了生物学基础。
本文提出了一种名为 SpaMOAL 的基于图对比学习的计算方法，通过整合空间坐标、组织学图像特征和分子谱数据，有效解决了空间多组学数据中多模态信息融合的挑战，从而实现了对空间组织域的高精度识别。
该研究提出了一种基于最优传输的谱系追踪框架，利用纵向单细胞测序数据成功重构了急性病毒感染中 CD8 T 细胞跨组织的分化轨迹，揭示了肠道迁移的时间特异性波次及 AP4 转录因子在循环与组织驻留记忆 T 细胞命运决定中的关键调控作用。
本文提出了 keju，这是一种针对大规模并行报告基因实验（MPRA）数据的分层统计模型，通过条件化 DNA 计数来分别建模不同批次和模态的 RNA 计数不确定性，从而在显著提高检测灵敏度的同时，有效降低了假阳性率。
本文评估并比较了基于“必然筛选”（sure screening）原理的多种模型无关特征筛选方法在组学分类任务中的性能，发现 BcorSIS 方法在多种组学数据集上具有最佳的计算效率和筛选效果。
该研究利用来自 4,328 只狒狒和 281 只猕猴的纵向临床数据，开发并验证了基于人工智能的“衰老韧性”生物标志物，发现非线性模型在预测死亡率方面优于仅能精准预测实际年龄的线性模型，从而建立了一个利用标准兽医记录监测非人灵长类生物衰老的可扩展框架。
该研究提出并验证了一种结合转录组学（利用 CMAP 库）、配体与结构筛选及实验验证的整合框架，成功从系统层面生成了 TLR5 激活分子，并通过实验证实了其中九个先导化合物的有效性，为克服传统药物发现中忽视细胞环境的局限提供了可扩展的新策略。
本文提出了基于信息几何的 GAIA 框架，通过将细胞视为多项式分布并投影至统计流形，利用费雪 - 拉奥距离有效解决了传统欧氏距离在单细胞和空间转录组分析中无法兼顾基因表达离散性与连续性的理论缺陷，从而实现了无需先验基因选择的稳健细胞表征学习与亚型区分。