1235 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。
该研究通过整合多态 AlphaFold 预测、微秒级分子动力学模拟及 SILCS 口袋映射技术，揭示了人尿激肽受体（hUT）与尿激肽（hUII）及其相关肽（URP）结合时的配体特异性结构可塑性，阐明了两者在稳定受体构象及调控信号特异性上的细微差异，为开发选择性靶向尿激肽系统的药物提供了新的结构基础。
本文提出了 MitoChontrol，一种基于细胞类型感知的概率框架，通过为转录相干簇建模线粒体转录本比例的高斯混合分布并设定后验概率阈值，实现了比固定阈值更精准的线粒体过滤，从而在单细胞 RNA 测序质控中有效剔除受损细胞并保留高线粒体含量的活性细胞群。
该研究利用流动分子动力学模拟，揭示了糖基化修饰通过调节 A1 结构域中的自抑制模块，介导血管性血友病因子（VWF）在血流剪切力作用下从自抑制态向激活态转变的分子机制。
本文提出了细胞定位系统（CPS），这是一种利用特权多尺度上下文蒸馏策略的上下文感知隐式神经表示框架，能够仅凭物理坐标生成高保真空间转录组数据，从而在无需图像配准的情况下有效解决现有平台稀疏性和低信噪比问题，并实现了卓越的插值、去噪、超分辨率及可解释性。
该研究利用 AlphaFold2 发布的准实验机会，通过追踪蛋白质数据库及下游文献数据，证实人工智能预测能够扭转对新颖蛋白质研究的长期衰退趋势，将科学界的集体注意力重新导向此前被忽视的科研前沿，从而扩展了科学探索的边界。
本研究通过对比基于贝叶斯机器学习的 CPU 工作流与基于 GPU 加速及神经网络的 SUP 模型工作流，验证了 GPU 处理在真菌 ITS 分析中实现物种级高精度识别的优势，同时证明了经超参数优化的 CPU 方案在资源受限环境下亦能达到可靠的属级分类效果，从而为平衡分类精度与硬件成本提供了可复用的评估框架。
本文概述了作者为 Fiji（ImageJ）和 Python 开发的扫描电子显微镜图像分析工具插件，这些工具涵盖了信噪比、对比度及分辨率分析，并支持自定义 FIB-SEM 图像的导入，相关代码已在 GitHub 开源。
RastQC 是一款用 Rust 编写的高性能测序质量控制工具，它通过单二进制文件统一了短读长和长读长分析，在保持与 FastQC 完全一致的结果的同时，显著提升了处理速度并降低了内存消耗。
该研究通过对 65 个古菌类群中超过 12 万种蛋白质的系统分类分析发现，古菌在单结构域层面的折叠 repertoire 与已知生命形式高度保守，其结构新颖性被低估主要归因于序列分歧导致的分类敏感性不足，而非存在大量未知的新型结构。
该研究通过修正统计方法并采用替代检验，证实了在大肠杆菌蛋白质组中，同义密码子的使用与氨基酸骨架构象之间存在可检测的依赖性。