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 LCBio 在 CASP16 中的一项案例研究，表明尽管专家引导的工作流程在 RNA 多聚体预测中能够取得具有竞争力的排名，但现有方法在准确性上呈现出层级式下降，即由于在建模多螺旋连接处和非经典相互作用方面持续存在挑战，可靠的局部特征无法转化为精确的全局结构。
本文介绍了 linearPOA，这是一个并行且内存高效的框架，它利用分治策略实现部分排序比对（Partial Order Alignment）的线性空间复杂度，在处理超长且易错的测序读段时，相较于现有的二次方算法显著降低了内存消耗。
本研究介绍了 PanBART，这是一种针对特定物种的 Transformer 模型，该模型基于大肠杆菌和肺炎链球菌的基因含量与顺序进行训练，展示了其在无监督学习种群结构、识别新兴谱系、预测抗生素耐药基因获取以及分析基因共选择以支持关键基因组监测任务方面的卓越能力。
本文提出了一种条件变分自编码器流程，该流程整合了 QSAR 引导的代理加权微调与交叉熵优化，以克服数据稀缺和循环依赖的挑战，成功生成了具有高预测效力和优良结构特性的靶向抗菌肽。
本研究采用整合系统药理学方法，表征抗磷脂综合征的分子异质性，鉴定出I型干扰素信号通路与髓系样B细胞重编程为关键的可成药轴心，从而支持患者分层及现有疗法的重新定位以实现精准医疗。
本文介绍了 BioChirp，这是一个开源框架，它将基于大语言模型的查询解释与确定性的基于图形的检索相结合，以比传统的大语言模型系统恢复出更多具有更高可重复性的生物医学关联。
本文介绍了可解释原型增强器（EP-Booster），该方法将生物学先验知识整合到基础模型中，以优化潜在表征，从而实现从组织学图像进行准确且可解释的基因表达预测，进而克服空间转录组学在成本和时间上的局限性。
PixelDeck 是一款开源的、以本地优先为理念的浏览器应用程序，它通过具备递归导入、SHA-256 重复检测以及异步处理功能的模块化架构，在标准硬件上简化了对大型生物医学图像和视频集合的组织、去重及交互式浏览。
本文介绍了Tiberius，这是一种基于深度学习的从头基因预测工具，它通过训练谱系特异性模型，在多种真核生物分支中实现了最先进的准确性并显著缩短了运行时间，从而有效解决了当前基因组注释中的瓶颈问题。
本文对 kallisto-bustools 套件进行了适配，以实现对细菌单细胞 RNA 测序数据的高效、准确且统一的预处理，通过解决操纵子和短基因长度带来的挑战，为微生物转录组学建立可扩展的基础。