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。

💻 生物信息学

EndoMT: An R Package Resource for Endothelial-Mesenchymal Transition Gene Set Enrichment Analysis

本文介绍了 EndoMT R 程序包,这是一个经过整理的具有方向性赋值的基因集资源,旨在实现针对不同实验模型和疾病背景下内皮-间质转化(Endothelial-Mesenchymal Transition)的特异且敏感的转录组富集分析,从而解决现有通用上皮-间质转化(Epithelial-Mesenchymal Transition)框架的局限性。

Best, K., Casement, J., Lovat, P. E., Walker, L., Armstrong, J.2026-10-05
💻 生物信息学

Slide-level batch structure limits histology-guided supervision of transcriptomic foundation models

本研究表明,使用匹配的 H&E 组织学作为训练时的监督信号,无法一致地改善转录组基础模型,因为基于位点的空间转录组学中存在的切片特异性批次结构限制了共享的基因-形态信号,最终只是重新组织了现有信息,而未能恢复丢失的生物学细节。

McConnell, U., Nonchev, K., Koelzer, V. H., Raetsch, G.2026-10-05
💻 生物信息学

Defining transcriptomic niches in human fibrotic lung with multi-sample spatial transcriptomics analysis using the MAPLE algorithm

本研究引入了用于分析多样本空间转录组数据的 MAPLE 算法,揭示了特发性肺纤维化进展涉及区域特异性的纤维化程序,以及人类肺部衰老细胞与异常基底样生态位的空间共定位。

Jeon, H., Allen, C., Vanegas, N.-D. P., Xie, J., Ghobashi, A. H., Rodriguez-Lopez, J., Rosas, L., Wang, C., Cheng, H., C (…)2026-10-01
💻 生物信息学

Quantum Hamiltonian-Based Generative Modeling of Single-Cell Transcriptomics for Gene Regulatory Network Inference

本文介绍了 QHGM,一种新型的基于量子哈密顿量的生成模型,并结合了一种可扩展的变分量子算法(VQ-Net),该模型在从单细胞转录组数据推断基因调控网络方面显著优于经典方法,这一点已通过在合成基准测试上的卓越准确性以及在胶质母细胞瘤中具有生物学相关性的见解得到了证实。

Sohail, M. A., Sudharshan, R. R., Pradhan, S. S., Rao, A.2026-10-01