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 Murmurent，这是一个开源的共享软件环境，旨在通过提供专门的智能体、分层记忆、可追溯性以及强制执行的标准操作程序来支持协作式生物医学研究，从而降低学术实验室使用智能体 AI 的技术门槛，并通过其在识别 Pin1 蛋白抑制剂方面的应用进行了验证。

本文介绍了一种利用保守基序和间隙 k-mers 来检测模拟自然生物数据的随机突变 16S rRNA 序列的新型分类方法，该方法实现了超过 90% 的准确率，旨在保护公共数据库免受潜在的 AI 生成或修改序列的污染。

该论文介绍了 PRIORITI，这是一个具有抗泄漏能力的框架，它利用领域指令大语言模型来合成与药物无关的生物学证据，从而生成经过校准且具有可解释性的靶点-适应症成功率预测，并在历史评估和前瞻性评估中均优于现有基准。

本文介绍了 PanVasc Research，一个用于泛血管介入领域 AI 辅助证据分析的可执行框架，该框架通过受控实验评估了本地 Qwen3-4B 模型在保持源文件忠实度和语义准确性方面的能力，并最终强调了对领域特定标注和验证的需求，而非声称实现了自主科学发现。

这项研究表明，用于喷雾诱导基因沉默的经典抗真菌 dsRNA 靶点经常包含与益生真菌完全匹配的 21 个核苷酸序列，这预示着当前监管筛选面板无法检测到的显著脱靶风险。

本文介绍了 ProcessNets，这是一个利用一种名为 nc-tree 的新型类系统发育数据结构来紧凑表示并高效计算相似生物网络系综（ensembles）的网络属性的框架，与传统的独立分析方法相比，该框架实现了显著的空间和时间节省。

vep-rs 是一个高吞吐量的 Rust 重构版 Ensembl VEP，它在处理数百万个变异时实现了与原始工具近乎完美的符合度，同时提供了 78 倍至 284 倍的性能提升，并修正了 Perl 实现中存在的若干文档记录的缺陷。

本研究表明，在特定背景下，无标记细胞形态可以有效地替代针对性的荧光测量，这体现在其能够恢复大部分强基因敲除命中项，并在多种筛选中优先排序具有显著代谢损失的化合物，尽管其充分性最终取决于特定的靶点、预测因子和科学任务，而非仅仅取决于预测相关性。

本文表明，对 Boltz-1 等基础模型进行针对性微调可以克服训练数据的偏差，从而准确预测新型配体诱导的蛋白质构象状态和变构结合位点，进而实现更有效的药物发现应用。

本研究在 250 万个转录组上对十个通用型和三个衰老特异性单细胞基础模型进行了基准测试，结果表明，尽管它们的性能因任务而异，但它们在衰老研究中具有独特的优势，特别是在预测时序年龄、识别稀有细胞状态以及恢复调控相互作用方面。