bioinformatics 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。

本研究确定了关键代谢酶 PabB 是结核病极具前景的药物靶点，并利用计算通路分析和分子对接技术筛选了经 FDA 批准的药物，最终强调了配体 5 和配体 27 是药物重定位的潜在候选药物。

本研究分析了2010年至2025年间的170万篇显微镜相关论文，揭示了研究者对图像分析软件日益增长的依赖——以ImageJ/Fiji为领先，且QuPath和napari等工具在特定领域的采用率正在上升——同时强调引用计数往往低估了实际使用情况，并敦促研究人员明确引用并报告其软件方法以提高可重复性。

本文介绍了一种可扩展且可重复的流程，该流程将全基因组关联研究（GWAS）汇总统计数据与功能注释相结合，以生成经过精选、平衡且富含注释的数据集，用于系统地研究变异与复杂疾病之间的关联。

该论文介绍了 Auto-AVS，这是一个开源计算框架，通过模拟三维自噬泡和虚拟透射电子显微镜（TEM）切片来验证立体学假设，结果表明，虽然体积大小的估算保持一致，但由于在数量分布上的差异，凸显了空间集群效应和空泡几何形状对二维显微成像推断的关键影响。

该论文介绍了 DeepMAST，这是一个由证据驱动的多智能体 AI 系统，它将空间转录组学分析与基于文献的检索相结合，以实现目标优先级的自动化排序，并成功地将 ICAM-1 识别为特发性肺纤维化的经验证治疗靶点。

本文介绍了大规模专利衍生抗体数据集 POISK，旨在证明虽然目前的结构预测模型在统计学上可以比随机选择更有效地富集结合剂识别，但它们在单候选筛选和精确表位定位方面仍缺乏可靠性，因此必须与正交实验方法结合使用。

本研究利用严谨的统计方法克服了先前的局限性，并识别出具有显著预后价值的分子亚型和微环境重塑，呈现了迄今为止规模最大的皮肤T细胞淋巴瘤集成单细胞RNA测序图谱。

本文介绍了 corrdeconv，这是一种纠正了将疾病诱导的细胞状态转变误解为丰度变化（这一在体量及空间组学数据中存在的根本性误解）的方法，从而推翻了现有的基准测试，并通过消除大部分错误的疾病效应主张，超越了所有已发表的解卷积方法。

作者提出了 BUDDY，这是一个交互式网络平台，通过整合生物信息学工具、结构可视化以及人工智能辅助的实验设计，简化了酿酒酵母（*Saccharomyces cerevisiae*）中人类错义变异的功能建模，从而加速了变异分析，并使其对于没有生物信息学背景的用户而言也变得易于使用。

本文通过使用合成 RNA-seq 模型，对 12 种差异节律性方法进行了系统的基准测试研究，旨在为生物学家提供实用指南，使其能够根据特定的实验条件和分析目标，选择最合适的工具来分析时间序列转录组数据。