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 SpatialLeiden 算法的扩展版本，该算法通过基于批次校正潜在空间的灵活邻接图复用，实现了支持 3D 序列切片及多模态数据的 atlas 级大规模空间聚类，在标准硬件上展现出卓越的模块化、可扩展性及与脑图谱的一致性，并兼容 scverse 生态以促进广泛采用。

HMM-Flagger 是一种基于隐马尔可夫模型和读段覆盖度的无参考基因组组装错误检测工具，能够有效识别结构异常，并在 HG002 及人类泛基因组参考联盟（HPRC）的组装评估中成功揭示了包括卫星区域在内的多种大规模错误并验证了新型结构变异。

本文介绍了 TreeMS2 这一可扩展的计算工具，它通过直接比较串联质谱（MS/MS）谱图来构建相似性矩阵，从而在不依赖谱图注释的情况下，从蛋白质组和代谢组数据中推断出反映分子表型进化关系及功能适应的分子系统发育树。

本文提出了一种名为 STEQ 的新方法，该方法基于统计一致的四分体距离度量，能够在多物种溯祖模型下以 $O(kn^2 \log n)$ 的线性时间复杂度快速且准确地从大量基因树中推断物种树，其速度优于 ASTRAL 等主流方法同时保持了相当的准确性。

该研究提出了一种结合振动光谱与深度学习的快速、无标记方法，仅需微量样品和简单预处理即可高精度地量化 DNA 片段长度分布，为基因组工作流程提供了一种可扩展的替代方案。

本文提出了名为 APEX 的可解释人工智能框架，该框架通过结合进化嵌入与图注意力网络实现跨物种病原体靶点发现，并利用注意力机制指导结构生成模型进行定向分子设计，从而为抗微生物药物研发提供了一条从靶点优先排序到抑制剂生成的端到端解决方案。

本文提出了 scDynOmics，一种受基因调控网络启发并采用 Linformer 注意力机制的预训练 Transformer 模型，它通过单细胞多组学数据学习紧凑的细胞状态嵌入，并利用低秩适应模块实现高效微调，从而在细胞分类、发育轨迹解析及扰动响应预测等任务中达到最先进水平。

本研究结合网络药理学与动物实验，证实了三七（Panax notoginseng）通过多成分、多靶点及多通路（如 NF-κB、MAPK 等）协同调控 TNF-α、IL-6 和 IL-10 等炎症因子，从而优化炎症启动至组织重塑的动态过程，有效促进皮肤伤口愈合。

本文介绍了 SpatialCompassV (SCOMV) 这一计算工具，它通过量化基因和细胞相对于感兴趣区域（如肿瘤）的距离与方向向量，实现了无需先验知识的空间模式无监督分类及空间差异基因识别，从而在乳腺癌和肺癌数据中揭示了新的空间分布特征与恶性状态判别能力。

该研究证明，随着测序准确性的提升，牛津纳米孔（ONT）技术现已能够通过标准去噪算法直接从原始读段生成精确的扩增子序列变异（ASV），从而在无需参考数据库的情况下实现对复杂微生物群落及基因组内变体的可靠分析。