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。

本研究表明，在虚拟空间转录组学中，预训练基因表示主要增强了对基因在不同组织间平均表达量的预测，而非其空间变异性的预测，这揭示了跨基因泛化更多是由广泛的表达转移而非特定空间模式的恢复所驱动。

本文系统地评估了 DrugCLIP 用于基于结构的虚拟筛选的对比学习嵌入，结果表明，虽然其口袋嵌入能够提供快速且稳健的结构相似性搜索，且其配体嵌入能够捕捉具有强泛化能力的口袋感知化学模式，但其性能受到构象变化和预测蛋白质口袋不准确性的显著限制。

该论文介绍了 fDOG-Assembly，这是一种能够直接在未注释的基因组组装体中进行针对性的、特征架构感知的直系同源物搜索的新型工具，从而克服了依赖预先注释蛋白质组的传统方法的局限性，并揭示了新的生物学见解，例如跳虫中广泛存在的 $\beta$ -内酰胺生物合成潜力。

SixPack-AbScan 是一个免费且具有物种无关性的网络服务器，旨在通过计算筛选表位序列的保守性，辅助从事非模式生物研究的研究人员识别潜在的抗体交叉反应性，从而为实验验证提供候选对象优先排序。

该论文介绍了 TriGer，这是一个三元图框架，它通过识别跨分子层级的、具有可解释性的协调多对多模块，克服了多组学数据中碎片化两两关联的局限性，并在模拟实验中证明了其在恢复结构化信号方面的有效性，同时揭示了炎症性肠病和结直肠癌中的疾病特异性生物学模式。

FORGE 是一个可配置的、容器化的 Nextflow 流水线，通过整合基因表达和染色质可及性数据进行调控网络推断和差异化测试，从而实现单细胞核多组学分析的全流程自动化，进而增强不同数据集下的可扩展性、可重复性和生物学解释能力。

本文介绍了 ML4SD，这是一种将机器学习与一种新型高通量算法（gcSwarms）相结合的主动学习“设计-构建-测试-学习”循环，旨在高效识别生长耦合的微生物菌株设计，从而以远少于传统搜索方法的实验迭代次数，实现显著提高的碳收率。

本研究表明，尽管 Wasserstein GAN 在生成具有实验可行性的从头抗体方面优于变分自编码器（99% 对 5% 的成功率），但这种差异主要是由采样策略——无条件生成与利用已知抗体进行潜空间播种——而非架构本身的优越性所驱动的。

本文介绍了一种针对随机基因表达模型的具有不确定性感知能力的模型选择规则，该规则通过利用基于影响函数和坎泰利不等式（Cantelli's inequality）推导出的数据驱动阈值来增强传统的 PGF-BIC，从而在考虑采样不确定性并防止过度选择复杂模型的同时，保证了计算效率。

通过对配对的口腔和肠道微生物组数据应用基于 SHAP 的可解释性分析，本研究揭示了虽然结合模型在区分新生儿与成年人方面的预测准确度并未超越仅使用肠道数据的完美预测准确度，但它们发现了来自口腔腔内具有互补性且非冗余的生物特征，而这些特征是传统准确度指标所无法捕捉到的。