Integrating targeted genome mining and structure-guided modeling reveals unexplored 7-deazapurine-containing pathways
该研究通过整合大规模靶向基因组挖掘与结构引导建模，在约 200 万个细菌基因组中鉴定出 900 多个 7-脱氮嘌呤生物合成基因簇，并阐明了其酶学机制与结构多样性，为发现新型生物活性代谢产物奠定了基础。
💻 Category
bioinformatics
756 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。
DOME Copilot: Making transparency and reproducibility for artificial intelligence methods simple
DOME Copilot 利用大型语言模型从科学文献中提取结构化的人工智能方法报告，旨在通过提升透明度和可重复性来简化生命科学研究中 AI 方法的解读与复用。
Calibration of in-frame indel variant effect predictors for clinical variant classification
该研究通过构建高置信度数据集并应用统计框架，为八种框内插入缺失（indel）预测工具建立了符合 ACMG/AMP 指南的临床分类阈值，证实了其在临床变异解读中的价值，但也指出其性能仍低于错义变异预测工具，亟需进一步改进。
Pan-cancer survival modeling reveals structural limits of genomic feature integration in immunotherapy outcomes
这项基于 658 名免疫治疗患者的泛癌研究指出，在异质性队列中，临床变量主导了生存预测模型的性能，而基因组特征（如肿瘤突变负荷）的整合仅带来有限的增量收益，揭示了将基因组数据融入跨癌种预后模型的结构性局限。
LagCI Enables Inference of Temporal Causal Relationships from Dense Multi-Omic Time Series
该研究开发了 LagCI 计算框架，通过结合全面的滞后相关性分析与鲁棒的统计过滤机制，成功从稀疏采样难以应对的密集多组学时间序列数据中推断出具有生物学意义的时序因果关系，并构建了包含数千分子与数十万预测相互作用的定向调控网络。
The role of space in explaining macroecological patterns of microbial abundance
该研究通过引入空间结构证明，将碎片化景观中各斑块（或独立模拟）的微生物丰度进行聚合，能够解释为何观测到的微生物群落物种丰度分布符合伽马分布，从而揭示了空间粗粒化效应在塑造微生物宏观生态模式中的核心作用。
Scaling SMILES-Based Chemical Language Models for Therapeutic Peptide Engineering
本文提出了 PeptideCLM-2，这是一种基于 1 亿多分子数据训练的化学语言模型套件，旨在填补现有模型在治疗性肽类药物开发中的空白，通过原生表示复杂肽化学特性，显著提升了膜扩散、肿瘤归巢及半衰期等关键开发指标预测的准确性。
Agent-Guided De Novo Design of Nanobody Binders Against a Novel Cancer Target
该研究提出了一种由智能体引导的从头设计工作流，通过结合热点预测、多方法生成及多指标筛选，成功针对一种新型癌症靶点设计了无需实验结构或先验抗体信息的纳米抗体，并在实验验证中获得了 39.7% 的高成功率及纳摩尔级结合亲和力。
Uncertainty-aware benchmarking reveals ambiguous transcripts in mRNA-lncRNA classification
该研究通过不确定性感知基准测试和扩展特征分析，揭示了 mRNA 与 lncRNA 分类中大量转录本存在歧义，并阐明了导致分类器分歧和误判的关键序列特征。
PathwaySeeker: Evidence-Grounded AI Reasoning over Organism-Specific Metabolic Networks
本文介绍了 PathwaySeeker，一种基于证据的 AI 系统，它通过整合蛋白质组与代谢组数据构建物种特异性代谢网络，并利用“循环神谕”推理机制将大语言模型的生成能力与实验证据溯源相结合，从而在特定实验条件下实现对代谢路径的精准推理与假设验证。