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 OptMini，这是一种通过克服暴力搜索和整数线性规划的局限性，来计算大窗口尺寸下最小密度极小值集（minimizers）的高效算法，同时也为极小值集密度与通用命中集（universal hitting sets）之间的关系提供了新的见解。

本文介绍了 AniAnn，这是一种开源的、无需比对的算法，它利用快速平均核苷酸一致性估计，能够快速且准确地注释不同真核生物基因组中的大型串联重复阵列和卫星 DNA，且与现有方法相比显著缩短了运行时间。

本文介绍了 GLYCAM 细菌碳水化合物构建器，这是一款增强型网络工具，它整合了细菌单糖参数及其衍生物，以促进复杂的细菌聚糖 3D 结构模型和分子动力学输入文件的直观生成。

LocAlign 是一个几何深度学习框架，它通过在配体结合对上进行弱监督训练，迭代地预测原子级对应关系和 3D 超配，从而实现局部蛋白质结构对齐，能够有效地在多种蛋白质折叠中识别功能基序，且无需地面真值对齐。

本文提出了一种新颖的算法，该算法能够构建基于 RLBWT 的压缩全文本索引，并在处理重复性数据集时，以最优的 $O(n)$ 时间和 $O(r)$ 空间复杂度计算 LCP 相关信息，与以往方法相比，在太字节级（terabase-scale）泛基因组分析中实现了峰值内存使用量 12.6 倍的降低。

本文介绍了一种可扩展、可解释且高效的蛋白质表示方法，该方法基于由 40 个进化保守片段组成的精选字母表，在聚类、数据库搜索以及指导功能性蛋白质骨架生成方面，其表现优于传统的序列和结构方法。

这项研究揭示了在男性心脏中一种罕见的神经元或胶质细胞类型中，存在着前所未有的雌性特异性长链非编码RNA XIST的内源性表达，其上调与心脏病和心肌梗死相关，这表明在心脏病理学中存在一条全新的、具有临床干预意义的非编码RNA通路。

本文介绍了 *repare*，一种开源软件工具，它通过迭代采样与剪枝技术，利用成对的亲缘关系自动重建古代谱系，为手动重建提供了一种灵活且具有容错性的替代方案，并能整合用户约束及辅助数据。

本文提出了一种利用正样本-无标签学习（positive-unlabeled learning）的深度学习框架，用于根据 MS1 上下文和采集参数预测小分子 MS2 光谱的可鉴定性，从而有效地克服了由于缺失负样本标签而难以指导采集决策并提升代谢物鉴定能力的挑战。

这项研究揭示了极地海洋微生物群落是此前被忽视的多样化、低温活性聚酯降解酶及完整代谢途径的储库，为低温塑料生物修复提供了极具前景的候选对象。