Computational Development of a GluN1 Synthetic Peptide Mimetic for Neutralization of Autoantibodies in Anti-NMDAR Autoimmune Encephalitis
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。
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。
该研究提出了一种结合生成式人工智能、进化算法及大规模虚拟筛选的创新框架,成功在 Enamine REAL 超大规模化学空间中高效发现并验证了针对μ-阿片受体的特异性配体,为探索合成可及的新型先导化合物提供了有效途径。
该论文介绍了 ClumPyCells 统计框架,它通过校正细胞大小形态偏差并排除无关干扰,解决了复杂组织中空间聚集分析的局限性,从而更准确地揭示肿瘤等组织中的细胞及分子空间分布模式。
本文介绍了 PHENOCAUZ 计算框架,该框架通过整合孟德尔疾病表型 - 基因关系与蛋白质分子特征,将临床症状与其分子决定因素联系起来,从而预测药物副作用并发现复杂疾病的潜在治疗靶点。
本文介绍了 Cellector 这一计算工具,它能够利用单细胞 RNA 测序数据精准识别包括白血病微小残留病和微嵌合体在内的稀有外源基因型细胞,检测灵敏度低至 0.05%。
scSAGA 是一种基于采样 Gromov-Wasserstein 对齐的新型单细胞多模态数据整合方法,它通过结合稀疏 kNN 图几何、平面引导采样优化及无矩阵联合嵌入技术,在保持流形结构的同时实现了内存高效与近线性扩展,能够准确整合百万级细胞规模的配对及非配对 scRNA-seq 和 scATAC-seq 数据。
本文介绍了 AINN-P1,这是一个仅基于氨基酸序列训练、采用无注意力机制的乘性 LSTM 架构的紧凑型蛋白质语言模型,它在 ProteinGym 基准测试中展现了与大型模型相当的竞争力,同时具备线性推理复杂度和高效的部署优势。
本研究通过整合四个帕金森病患者与健康对照的 snRNA-seq 数据集,利用 soloTE 工具构建细胞类型特异性的转座元件表达图谱,旨在阐明转座元件在帕金森病性别差异中的作用机制及其与蛋白编码基因的潜在关联。
本文提出了名为 Lemonite 的数据驱动且可解释的框架,通过整合转录组与代谢组数据,无需依赖先验差异分析或完整代谢物注释即可系统识别调控基因模块的关键代谢物,并在胶质母细胞瘤和炎症性肠病研究中成功揭示了具有生物学意义的代谢物 - 基因调控关系。
本文介绍了 deluxpore,这是一款基于 Nextflow 的自动化流程,旨在通过结合 BLAST 比对和莱文斯坦距离匹配,解决 Illumina 双索引文库在 Nanopore 测序中因残留接头、高错误率及位置变异而导致的分样难题,从而实现对稀有微生物类群及其功能基因的高效、精准捕获与表征。