💻 生物信息学
Sequence-Derived Representations versus Pfam-Domain Content for Biosynthetic Gene Cluster Retrieval
这项研究表明，在检索生物合成基因簇方面，显式的 Pfam 结构域内容优于或等同于 ESM-2 序列衍生表示，这表明序列嵌入目前并不能在恢复超越既有基于结构域指标的替代生物合成途径方面提供改进。
💻 Category
bioinformatics
1188 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。
💻 生物信息学
De novo Design of Macrocyclic Molecular Glues
本文介绍了 EvoBind-multimer，这是一个深度学习框架，它能够仅通过蛋白质序列实现大环分子胶（macrocyclic molecular glues）的从头设计，以诱导邻近效应并驱动靶向蛋白质降解，同时也揭示了这些分子胶的功能结果在不同患者来源的模型中会呈现出依赖于上下文的变化。
💻 生物信息学
A novel benchmark dataset for enzyme function prediction reveals the limitations of state-of-the-art models
本文介绍了 EnzymARC，这是一个由结构破坏型酶诱饵组成的新型基准数据集，旨在证明当前的先进酶功能预测器严重依赖系统发育捷径，且无法区分催化失能变体与功能性酶，从而强调了在模型训练和评估中引入结构感知负样本的紧迫需求。
💻 生物信息学
antigen-prime: Simulating coupled genetic and antigenic evolution of influenza virus
本文介绍了 antigen-prime，这是一种前向时间流行病模拟器，它将遗传序列与宿主选择下的抗原表型联系起来，以生成用于基准测试流感变异株分配和生长率估计方法的地面真值数据，并揭示了这些方法的准确性及其特定的失效模式。
💻 生物信息学
Degree-ranked gene lists omit the cross-module connectors, and a partition-free centrality recovers them
这项研究表明，基于标准度的基因优先级排序系统性地忽略了对于协调生物过程至关重要的非枢纽连接基因，并提出了 EDVS，一种无需依赖功能注释或社区检测的无划分、信息论中心度度量方法，该方法成功地找回了这些被遗漏的基因。
💻 生物信息学
SVlog: a logic programming framework for understanding structural variation in genomic disease
SVlog 是一个基于 Souffle 构建的透明、声明式逻辑编程框架，它通过将基因组数据转换为关系事实并应用可组合的逻辑规则，实现了对用于临床疾病策展的结构变异进行快速、确定且可解释的分析、注释与优先级排序。
💻 生物信息学
From Plants to Patients: Mitochondrial Stress Signaling as a Systems Framework for Human Disease Vulnerability
本文提出了一个比较性的计算机模拟框架，旨在证明尽管植物与人类线粒体应激信号网络在复杂程度上已发生分化，但它们共享基本的组织原则，这表明以韧性为导向的较简单的植物系统可以作为概念模型，为人类线粒体疾病的易感性提供可验证的假设生成。
💻 生物信息学
Beyond the Default: Optimizing Molecular Networking with arteMIS
本文介绍了 arteMIS，这是一个通过多指标评估和拉丁超立方采样来优化分子网络参数的系统性框架，旨在克服默认设置的局限性，从而在不同数据集和评分方法中生成更具鲁棒性、化学意义且稳定的网络。
💻 生物信息学
PyMOL plugin for Protein Circuit Topology
本文介绍了一种新的 PyMOL 插件，该插件将各种电路拓扑方法与用户友好型界面及可重复环境相结合，用于分析结构化和无序蛋白质的拓扑结构。
💻 生物信息学
Sparse Autoencoders Reveal Structural and Family-level Features in BiRNA-BERT
本文介绍了 SPIRAL，这是一个稀疏自编码器框架，它成功地将 BiRNA-BERT RNA 语言模型的隐藏状态解码为具有可解释性的、与核苷酸对齐的特征，这些特征代表了二级结构和 RNA 家族类型，从而在克服字节对字节分词（byte-pair tokenization）挑战的同时，提升了下游预测性能。