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。
本文介绍了 AnnoAudit，这是一种基于标记物的协议，它揭示了广泛使用的单细胞图谱（例如 CEREBRI 创伤性脑损伤资源）中存在的系统性注释错误，在这些资源中，大多数被标记为谷氨酸能神经元的细胞实际上是非神经元细胞，这种错误导致了显著的生物学伪影，并在重新注释后得到了纠正。
bioq 是一个开源、轻量级的命令行界面，通过无服务器网关统一了对 38 多个容器化 AI 药物发现工具集的访问，使研究人员和自动化代理能够在无需管理本地硬件或冲突软件依赖的情况下，直接从笔记本电脑执行复杂的业务流程。
本文介绍了 Titra，这是一个端到端的深度学习工作流，实现了从孔洞检测、噬斑分割到 PFU/mL 估算的整个病毒滴度测定过程的全自动化，并证明了其在不同病毒物种和培养板格式下与人工标注具有高度的一致性。
本文剖析了 Boltz-1 共折叠模型，揭示了结构信息是如何组织在单链、链内和链间表示这三个截然不同的流向之中，并遵循“混合-压缩-精炼”的轨迹，其中链内几何结构在很大程度上是预设的，而链间排列则是通过扩散模块被逐步构建并协调的。
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。
labapi 是一个 Python 库，它通过将 LabArchives 电子实验笔记的扁平 API 转换为直观的对象模型，从而架起了计算工作流与 LabArchives 之间的桥梁，进而实现实验数据的无缝读写自动化，以消除手动上传的过程。
PharmCast 是一种前馈神经网络，能够直接从 2D SMILES 字符串快速且准确地预测 3D 药效团指纹，无需生成构象，从而以传统方法极低的计算成本实现高效的虚拟筛选和骨架跃迁。
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。
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。
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。