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 KuPID，一种利用 k-mer 草图技术对长读长 RNA-seq 数据进行上游预处理的方法，旨在通过快速伪比对过滤无关读段，从而在将运行时间缩短 2-3 倍的同时，将异构体发现流程的 F1 准确率最高提升 16.7 个百分点。

本文介绍了 GaugeFixer，这是一个 Python 软件包，通过利用数学结构将计算复杂度从二次降低到线性，从而高效解决了序列 - 功能关系模型中因参数非唯一性（规范自由度）导致的解释难题，并成功应用于分析数百万参数的翻译起始适应度景观。

该论文提出利用 GFlowNet 进行治疗性肽生成，通过按比例采样奖励而非最大化期望奖励，在无需显式多样性惩罚的情况下实现了比 GRPO 更均匀且抗崩溃的序列多样性。

该论文提出了一种结合不确定性感知位置加权与校准感知标签平滑的互补正则化方法，成功将大型蛋白质语言模型蒸馏为轻量级学生模型，在显著提升推理速度、降低显存需求的同时，克服了单一正则化技术的局限，使其在稀缺数据场景下展现出比教师模型更优越的领域适应能力和生成质量。

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。

TopoMetry 是一个能够直接从单细胞数据中学习并评估其潜在几何结构的统一框架，它通过构建高保真谱骨架来克服传统静态投影的局限，从而更可靠地揭示细胞多样性及潜在的生物学信号。