1178 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。
Ark-ADMET 研究表明，针对单个 ADMET 端点而非在所有任务中应用统一架构来定制分子表示和 CatBoost 超参数，可以在不需要新模型架构的情况下，在 Therapeutics Data Commons 基准测试中获得具有竞争力的或更优越的性能。
本文介绍了 Conkit-validate 工具在 RNA 领域的扩展，引入了一种基于深度学习的无图谱（mapless）验证方法，该方法利用接触预测来检测结构错误（例如寄存器错配），特别是在传统基于图谱的方法受限于低分辨率实验数据的情况下。
本研究表明，RNA设计算法的性能与折叠引擎所使用的热力学模型本质相关，并由此创建了一个修订后的Eterna100-V2基准测试，该测试揭示了由于先前的评估错误和特定引擎的挑战，原始及更新后的基准测试在其预期设定下仍未被解决。
本文介绍了一种基于 ESM-2 和 LoRA 的参数高效型多任务迁移学习框架，该框架成功克服了冻结蛋白质语言模型在严格同源性约束下预测抗菌效力和溶血毒性的局限性，从而能够发现具有优异治疗指数的高度选择性抗菌肽。
该研究表明，多样化的人类细胞类型并非源于截然不同的调控词汇，而是通过染色质门控和细胞类型特异性阅读蛋白，对一组紧凑且共享的 DNA 基序进行依赖于语境的获取与解读而产生的。
GraphExperiment 是一个全新的 R/Bioconductor 程序包，它扩展了 SingleCellExperiment 类，旨在提供一个标准化的、同步的基础设施，用于存储和处理高维定量组学数据以及与之相关的特征级和观测级网络。
SpaceBlocks 是一个可重复的、经专家监督的 Snakemake 工作流，它能够将跨多个平台的异质性单细胞分辨率空间转录组数据进行同质化处理，以实现可扩展的队列级分析，其在不同生物数据集中的应用已证明了其识别新型细胞类型、标志物表达模式以及疾病相关转录差异的能力。
本文介绍了 MMDPGP，这是一种基于狄利克雷过程高斯过程的贝叶斯模型化方法，通过对每个重复样本进行单独建模来对具有多个重复次数的基因表达时间序列进行聚类，从而比现有最先进的方法实现了更高的聚类准确度和生物学洞察力。
通过对针对个体特异性微生物关联网络训练的图神经网络进行解释，本研究揭示了拟杆菌目（Bacteroidales）物种的协同共丰度模式，而非简单的差异丰度，是传统机器学习模型经常忽略的炎症性肠病关键预测特征。
该论文介绍了 GENESIS，这是一个生成式能量模型框架，它能够以接近实验可重复性的准确度预测单细胞扰动响应，从而实现一种由广泛、低深度测量并辅以计算推断的互补策略，以克服穷尽式实验图谱在可行性上的局限。