1012 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。
这项针对 MSK-CHORD 数据集的探索性分析表明，与奥希替尼在仅含 L858R 或仅含 T790M 的背景下表现出优越性或等效性的情况不同，非小细胞肺癌中的 EGFR L858R+T790M 复合突变可能代表了一种独特的药理学实体，其中厄洛替尼在数值上优于奥希替尼，值得进行前瞻性验证。
这项研究揭示了对阿尔茨海默病病理的认知韧性以一种独特的分子状态为特征，其核心在于维持 NPTX2 的表达，从而保持核心突触和抑制程序，同时在高病理水平个体中选择性地招募适应性蛋白质稳态、运输和免疫通路，而这种协调作用在症状性疾病中会丧失。
本研究表明，在体量转录组和单细胞转录组数据中，由于生物异质性导致的辛普森悖论，合并后的相关系数经常会通过反转方向来误导网络推断，因此有必要报告特定背景的相关性和异质性统计数据，而非依赖单一的全局估计值。
OpenGerminal 展示了一个完全开源的 Germinal 抗体设计流水线实现，该实现通过采用开源技术栈并引入 AbLang1，在保持等效结构置信度指标的同时，显著提高了共折叠通过率并提升了部署的可访问性。
本文认为，肽类皮肤渗透建模预测性能停滞不前的原因在于，其对混淆了递送载体与终点指标的经皮通量标签存在病态依赖，并据此提出了一种重构方法，旨在将内在的屏障跨越潜力与特定递送相关的滞留及风险区分开来。
该论文介绍了 EnzymeArt，这是一个以功能为条件的生成式框架，它成功地将功能描述转化为经过实验验证的、在多个蛋白质家族中具有定量催化活性的酶，其性能往往达到或超过了野生型和商业参考标准。
本文批判性地回顾并提出了同源性感知交叉验证策略，旨在解决数据泄露问题，并确保针对经典及基于深度学习的 RNA 二级结构预测方法的泛化评估具有公平性。
Bamsnap-LRS 是一款自动化的命令行工具，旨在通过实现支持长读段特定特征、相位 SNP 检测及多样化基因组分析的高通量、出版级批量可视化，来克服现有可视化软件在可扩展性和优化方面的局限性。
作为阿尔伯塔大学毕业设计课程的一部分，本文介绍了三种基于约一百万个蛋白质-配体对混合数据集训练的深度学习模型（ProMax、APEX 和 UltraMax），用于预测定量糖链-蛋白质结合强度，同时强调了长尾数据分布和手性特征利用不足所带来的挑战。
ComplexDesign 是一种基于幻觉的方法，它利用结构预测引导的序列优化和一种专门的掩码机制，成功设计出多链蛋白质复合物以及连接多个靶点的柔性结合剂，在无条件多聚体设计和三元复合物生成方面均优于现有方法。