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

Keloid transcriptomics reveal heterogeneity in fibroblast subtype enrichment, gene expression, and immune cell responses

本研究利用瘢痕疙瘩及匹配的正常皮肤组织的体量RNA测序分析,旨在证明通过考虑细胞类型异质性,可以揭示瘢痕疙瘩疾病背后存在的成纤维细胞与免疫细胞富集程度、其特异性相互作用以及关键基因表达特征方面的显著差异。

Panzer, J. J., Pan, M., Nair, M., Loveless, I. M., Adrianto, I., Huang, L., Chitale, D., Francescone, R., Vendramini-Cos (…)2026-09-07
💻 生物信息学

Trustworthy ML/AI for Aging Clocks: Preventing Systematic Prediction Bias in Biological Age Estimation

本文通过提出一种约束优化框架,以确保生物年龄估计与推断的有效性,识别并解决了机器学习老化时钟中存在的系统性预测偏差这一关键问题,而这种偏差可能会扭曲下游的关联分析。

Lee, H., Ye, Z., Yang, Y., Pan, Y., Maron, B., Wang, Z., Kochunov, P., Thompson, P., Hong, L. E., MA, T., Chen, C., Chen (…)2026-09-06
💻 生物信息学

RevPert: predicting candidate drivers of transcriptomic state transitions via gallery-native reverse perturbation

RevPert 是一种原生于图谱(gallery-native)的反向扰动模型,它通过结合符号化皮尔逊连通性(signed Pearson connectivity)与学习到的残差,优先考虑转录组状态转换的候选遗传驱动因子,并证明了在恢复留置干预(held-out interventions)和识别疾病相关锚点方面比现有基准模型具有更优越的性能。

Liang, S., Yang, C., Wang, J., Li, y.2026-09-06
💻 生物信息学

Coarse composition suffices: tabular in-context learning for multi-activity antimicrobial peptide profiling

本文表明,一种结合了 330 个可解释描述符与 TabPFN 基础模型的简单序列专用流水线,在 ESCAPE 基准测试的多标签抗菌肽谱分析中,表现优于复杂的结构条件深度学习方法,在无需基于梯度的训练或结构数据的情况下,实现了最先进的准确率。

Pal, A., Kumar, R., Solanki, D., Pareek, P., Singh, J., Singla, J.2026-09-06
💻 生物信息学

Comparing phenotypic manifolds with Kompot: Cluster-free differential expression at single-cell resolution

本文介绍了 Kompot,这是一个无聚类的统计框架,它通过将细胞密度和基因表达建模为连续函数,实现了对多条件数据的单细胞分辨率比较分析,从而在不依赖预定义细胞类型的情况下,检测差异丰度和局部异质性转录变化。

Otto, D. J., Arriaga-Gomez, E., Thieme, E., Yang, R., Lee, S. C., Setty, M.2026-09-04
💻 生物信息学

Probing the transcriptome response to shivering in skeletal muscle using a multilayered bioinformatics approach

本研究利用多层生物信息学方法,表征了人类骨骼肌在反复发抖反应下的稳健且具有性别特异性的转录特征,揭示了这些分子适应如何随冷驯化而减弱,并为改善代谢健康提供了新的机制性见解。

Kalkhoven, E., Baak, R. E., Hooiveld, G. J. E. J., Schrauwen, P., Hoeks, J., Raymakers, R., van der Stolpe, A., Kersten (…)2026-09-04