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。
这项研究利用全原子分子动力学模拟，揭示了阿尔茨海默病中灰质和白质神经元膜脂质组成的差异如何导致膜微结构异质性的改变，并发现灰质在疾病状态下比白质经历了更显著的脂质重塑和微结构域分布变化。
该研究评估了四种主流共折叠算法（AlphaFold 3、Boltz-2、Chai-1 和 Protenix-v1），发现配体输入格式（CCD 或 SMILES）对蛋白质 - 配体结构预测结果的影响显著大于电荷（质子化状态），且电荷变化未能反映预期的结合差异，从而指出统一输入格式和纳入质子化处理是提升预测算法的关键改进方向。
本文提出了 BOND-PEP 框架，这是一种基于检索增强、二分图对齐和拓扑条件约束的方法，能够将实证结合证据转化为明确的残基级条件状态，从而在无需结构信息的情况下实现可控的、基于序列的从头肽结合剂生成，并在公平评估中取得了优于现有方法的性能。
该论文提出了一种信息含量感知的 Kendall-tau 相关系数方法（ICI-Kt），通过将代谢组学中因低于检测限而产生的左截断缺失值视为有效信息纳入计算，从而显著提升了异常样本识别和特征网络构建的准确性。
本文介绍了 hoodscanR 这一 Bioconductor 软件包，旨在解决空间转录组数据中细胞邻域识别的局限性，并通过乳腺癌和肺癌数据集验证了其在揭示肿瘤细胞转录细微变化及疾病机制方面的有效性。
本文提出了 MethylProphet，一种无需任何甲基化输入数据、仅通过基因表达谱和 DNA 序列上下文即可利用 Transformer 架构实现全基因组 DNA 甲基化高精度预测的新范式模型。
本文介绍了 ProteomeLM，这是一种能够在跨物种全蛋白质组尺度上进行推理的 Transformer 语言模型，它无需监督即可通过注意力机制编码蛋白质相互作用，并显著提升了蛋白质相互作用预测的准确性与速度，同时实现了跨物种的基因必需性预测。
该研究提出了一种名为 ConNIS 的新型统计方法，通过解析计算基因内无插入序列的概率并引入数据驱动的阈值选择标准，显著提高了在不同插入密度下利用 TraDIS 数据检测细菌必需基因的准确性与结果的可比性。
本文提出了基于压缩倒排索引的 Onika 系统，通过引入成本模型、输出敏感的比较算法及早期剪枝策略，在保持敏感性的同时显著提升了大规模序列集合间相似性搜索与比较的效率。
本文通过建立密度与选中位置间距的数学联系，提出了名为“多最小化子（multiminimizers）”的新元方案，在可控计算开销下显著降低了局部方案的密度并优化了去重密度指标，同时提供了高效的 SIMD 加速实现。