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。

VLab4Mic 是一个通过模拟探针放置和位阻限制，来预测不同超分辨率显微成像模式下蛋白质复合物结构可分辨性的模拟平台，从而使研究人员能够在进行物理实验之前评估实验的可行性。

THEOBROMA 是一个聚合了来自 29 个来源的超过 113 万种天然产物的开放数据库，它通过针对单个化合物的许可审计、三级分类系统以及具备立体化学感知能力的去重功能脱颖而出，从而实现符合许可限制的虚拟筛选和异构体特异性的生物活性分析。

作者提出了 gemsparcl，这是一个具有高可扩展性和高效性的工具，它能在约 14 小时内将超过 560 万个细菌基因组聚类为 92,954 个物种水平的基因组凝聚单元，从而克服了计算瓶颈，实现了对原核生物多样性和分类学的全面、无参考分析。

本研究表明，蛋白质语言模型嵌入的生物学含义并非固定不变，而是具有分辨率依赖性，即与生物层级结构的不同对齐水平会选择性地保留不同的组织关系，例如成员边界、功能分组或局部家族结构。

WitChi 是一种计算高效的工具，它利用经验卡方检验来检测并迭代修剪大规模系统发育基因组比对中的组成型偏倚位点，从而在不产生复杂成分感知模型的高昂计算成本的情况下，恢复准确的系统发育拓扑结构。

本研究表明，AlphaFold2 和 ColabFold 在预测非蛋白质序列结构时表现出极低的假阳性率，同时机缘巧合地揭示了人类基因组非编码区中一些高分预测结果实际上对应于此前未被注释的假基因，这暗示了现有基因注释可能存在错误，并验证了高分结构预测对于进一步研究的实用价值。

ADMETron 是一个由人工智能驱动的 SaaS 平台，它将基于循环神经网络（RNN）衍生的分子嵌入与梯度提升机相结合，用于预测 34 个 ADMET 端点，并具备交互式雷达图可视化工具，从而实现药物发现过程中全面的、高通量的化合物优先级排序和数据驱动型决策。

MoE-Bind 引入了首个用于从头蛋白质结合剂生成的稀疏混合专家架构，实现了更快、更高效且具有可解释性的仅序列设计，在不需要先验结构信息的情况下，达到了匹配或超越稠密基准模型的水平。

本文介绍了潜变量事件映射（LEMING），这是一种可扩展且具有解释性的无监督建模技术，通过重建阿尔茨海默病中多模态神经影像变化的体素级轨迹，揭示了诸如乙酰胆碱受体密度与淀粉样蛋白病理之间在晚期关联性等进展依赖性机制的新见解。

本文介绍了 STITCH，这是一种基于肯德尔形状流形（Kendall shape manifold）中切向主成分分析的可解释方法，它有效地将与大小无关的细胞形态与空间转录组学中的基因表达联系起来，在跨多样化数据集识别具有生物学意义的形状-转录组关系方面，其表现优于现有的深度学习方法。