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。
本研究通过整合转录组测序与生物信息学分析，揭示了电解富氢水（EHW）在 Caco-2 细胞中通过构建包含 miR-429/miR-200c-3p、CUL5/GOLGA7 及转录因子 KLF4 的转录因子 -miRNA-基因前馈回路（FFL），在转录后和转录前双重水平上调控氧化应激与紧密连接相关基因表达，从而促进肠道细胞分化的分子机制。
本文介绍了 scDesignPop，一种能够生成包含真实或合成基因型及细胞类型特异性 eQTL 效应的逼真群体规模单细胞 RNA 测序数据的统计模拟器，旨在解决大规模数据获取成本高、分析方法缺乏共识及数据共享隐私风险等挑战，从而支持统计功效分析、方法基准测试和隐私保护。
本文介绍了 ARCH3D，这是一种利用新型掩蔽位点建模任务来整合全基因组接触谱信息的基础模型，能够捕捉全局基因组结构、在极端稀疏条件下重建染色质相互作用并识别多向互作，从而为构建模拟基因组行为与动态的“虚拟基因组”奠定基础。
该研究通过构建包含 12 个队列的基准数据集，证实了预训练 RNA 基础模型在跨队列内异质症分类中显著优于传统基线，并创新性地提出了 CA-IG 可解释性方法，揭示了具有跨队列稳定性和生物学意义的保守预测基因特征。
本文提出了 PhyMapNet，一种将系统发育信息整合到贝叶斯高斯图模型中的框架，通过构建超参数无关的共识网络来克服微生物组数据的高维稀疏性挑战，从而实现对微生物相互作用网络更稳健、可解释且可重复的推断。
该研究通过构建首个针对早期造血分化的纵向多组学基准数据集并举办大规模单细胞数据竞赛，揭示了预测基因调控关系的最优建模策略，为未来多模态单细胞数据分析及基础模型开发提供了评估标准与指导。
该研究利用基于生物活性的虚拟筛选技术（sBEAR）发现抗病毒药物阿德福韦酯和溴夫定可作为骨关节炎关键靶点 OSCAR 的抑制剂，通过转录组重编程促进软骨再生并延缓疾病进展，为开发疾病修饰性骨关节炎药物提供了新策略。
该研究提出了名为 STRATA 的微分几何框架，通过分析人类皮肤空间转录组数据，将调控分析从离散的细胞聚类转化为连续的调控场，揭示了黑色素瘤微环境中转录因子调控耦合的均质化特征及其与组织结构的关联。
该研究表明，UniProtKB 数据库的重构并未破坏基于肽段的宏蛋白质组学分析的稳定性，反而通过减少冗余降低了分类歧义，而基于宏基因组的目标数据库限制则在灵敏度与歧义降低之间呈现出依赖环境背景的权衡，且随着数据库日益完善，Unipept 内部分类验证过滤的必要性逐渐降低。
该研究提出利用蛋白质语言模型生成的序列嵌入距离（特别是 L1 距离）作为高效代理指标，以快速筛选出可能导致蛋白质结构显著变异的突变，从而在大规模蛋白质工程中大幅减少对昂贵结构预测的依赖并加速设计流程。