1012 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 nf-sarcopipe，这是一个模块化的 Nextflow 流水线，它将从头发现（de novo）与参考指导的 miRNA 发现结合并整合了转录组分析，旨在鉴定参与骨骼肌适应的新型及已知运动响应性 miRNA 及其调控网络。
本研究将三种专注于密码子的掩码语言模型与传统方法进行了基准测试，结果表明，虽然没有单一模型在所有任务中都占据主导地位，但它们能有效捕捉翻译上下文以生成具有更优表达性能的变体，这表明在多个模型之间进行采样是优化核酸类药物的一种极具前景的策略。
本文表明，先前报道的密码子语言模型在同义变异预测方面的优势是由于数据泄露导致的评估伪影，因为这些增益在像新发布的 CodonBench 这样严格控制泄露的基准测试下消失了。
该论文引入了 scDRP，这是一个利用解耦表示学习和条件最优传输的生成式框架，用于从不匹配的单细胞扰动数据中准确估计个体化治疗效应并推断反事实细胞状态，从而揭示跨不同细胞类型和条件的异质性生物学机制。
本文介绍了“HRA：十的幂次”（HRA: Powers of Ten），这是一款开源虚拟现实应用，它利用人类参考图谱（Human Reference Atlas）让用户沉浸在单细胞生物医学数据的多尺度、语义和谐化探索中，从而为跨器官和空间尺度的细胞结构及衰老过程提供新的生物学见解。
作者提出了 pastForward，这是一个全自动的 Snakemake 流水线，通过整合用户友好的处理流程、真核生物范围内的分类学筛选以及拷贝数变异追踪，简化了古代和历史 DNA 分析，从而为跨多种物种的纵向基因组研究提供支持。
PARNET 是一种专门基于实验性 CLIP-seq 数据训练的新型 RNA 基础模型，用于预测碱基分辨率的 RBP 结合图谱，与传统的基于序列的语言模型相比，它在多种下游任务中展现出了卓越的性能和机制解释性。
本文介绍了 TriTower-m6Am，这是一种三塔式深度学习架构，它整合了语义、序列和结构三种 RNA 表征，与现有的单表征方法相比，显著提高了 m6Am 位点预测的准确性和可解释性。
本文介绍了 ASPIRE，这是一个易于使用的 Nextflow 工作流，旨在处理、分析和解释关联的扩增子序列变体 (ASV) 与挥发性有机化合物 (VOC) 数据，以研究呼吸道微生物生态系统及其与健康的关系。
本文介绍了 megaMine，这是一个透明且可扩展的基于规则的框架，能够有效地从生物医学文献中提取结构化的基因-癌症-药物证据，在区分治疗有效性方面表现出高准确性，并为下游知识合成生成具有可解释性的数据。