1243 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 CosMxScope，这是一个轻量级开源 Python 框架，旨在将 CosMx 空间分子成像仪产生的高分辨率空间转录组数据（如图像瓦片、转录坐标和细胞分割多边形）无缝整合到数字病理学工作流中，通过拼接全切片图像、转换 GeoJSON 格式以支持 QuPath 分析以及生成空间可视化图表，从而促进转化医学研究中对细胞形态与基因表达模式的交互式探索。
该论文介绍了一款名为"Track Hub Quickload Translator"的免费网络应用，它能够将 UCSC 基因组浏览器和集成基因组浏览器（IGB）的数据格式相互转换，从而使研究人员能够利用这两种浏览器访问数万个已发表的基因组组装数据。
本文介绍了 VaLPAS 框架，这是一个基于 Python 的多组学数据分析工具，旨在通过利用实验数据中的变异模式及“关联推断”策略，揭示蛋白质功能未知区域并预测其功能。
该论文介绍了利用 Nextflow 工作流管理系统和容器化技术对 MNase 定义的 cistrome-Occupancy（MOA-seq）数据分析流程进行重构，从而开发出名为 MOAflow 的高可移植、可重现且高效的现代化分析管道。
该研究开发了一种基于脑电图（EEG）和机器学习的“脑龄时钟”（BrainYears），能够以高精度、低成本且可重复的方式量化大脑衰老，并证实了其在神经调节干预中有效逆转脑龄的潜力。
本研究利用 AI 蛋白结构预测技术揭示了 TLR2 配体结合腔在脊椎动物中的保守起源与演化，并指出无脊椎动物中类似结构的出现是独立演化而非同源的结果，表明 LRR 结构域内配体结合腔的演化具有多次趋同发生的特征。
本文介绍了 PatchMAN2，该算法通过引入策略性片段过滤和局部对接模式，在保留精度的同时剔除了约 30-70% 的非必要片段，从而显著降低了基于模板的肽段对接计算成本并提升了效率。
本文提出了一种对称自博弈在线偏好优化（SSP）框架，通过解耦多结构目标的优化并引入共享采样池交互，有效解决了现有蛋白质逆折叠方法中目标偏置问题，显著提升了自然及从头设计骨架的序列自一致性。
本文提出了 CLOP-DiT，一种结合对比语言 - 组学预训练与扩散 Transformer 的模块化三阶段流程，能够根据结构化的生物元数据（如细胞类型、标记基因等）生成高保真的单细胞转录组潜在状态，从而实现了文本引导的受控细胞状态模拟与数据增强。
本研究通过计算生物学方法设计并评估了一种针对抗 NMDAR 脑炎中致病性自身抗体的 GluN1 合成肽模拟物，结果显示该肽段作为诱饵分子具有显著的预测结合亲和力，为治疗此类自身免疫性疾病提供了可扩展的计算筛选框架。