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。

OmniRE-seq 是一个整合了 bulk RE-seq 与单细胞 scRE-seq 的双方法框架，旨在提供一个标准化的、多分辨率的工具包，用于量化、分析及注释不同疾病背景和治疗干预下的 RNA 编辑动态。

CDSeq2 是一个贝叶斯框架，它将参考信息引导的反卷积与可恢复性引导的优先级排序相结合，以准确估计来自大块 RNA-seq 数据的个体水平细胞类型表达，从而增强诸如细胞类型特异性 eQTL 映射等下游分析的精确度。

Varformer 是一种新型多模态 Transformer 模型，它利用正向无标签学习和跨模态注意力机制来整合变异和基因层面的特征，在跨不同遗传祖先群体的药物靶点和致病变异优先级排序方面实现了最先进的性能。

本研究表明，将基因表达数据与工程化 B 细胞受体特征（而非语言模型嵌入）相结合，能够有效地捕捉互补的生物学信息，同时保留细胞类型关系并揭示稳健的 B 细胞亚结构。

本文展示了通用人工智能如何通过从公共分子数据集中生成并研究可验证的假设来扩展实验生物学，同时强调了识别可重复的数据模式与建立确定的实验或治疗效果之间的关键区别。

Pose 是一个轻量级、纯 NumPy 的 Python 库，它提供了一个统一的、具有手性感知能力的框架，用于构建和操作蛋白质、核酸及小分子结构，同时能够准确实现多种力场和评分函数，其性能可与 OpenMM、PyRosetta 和 AutoDock Vina 等成熟工具相媲美。

本研究利用孟买阿拉伯海沿岸海水作为模型，旨在展示快速城市化如何驱动多样化的质粒介导抗生素耐药基因（包括新型质粒携带的粘星菌素耐药性）的积累，从而为全球抗生素耐药性（AMR）的传播创造一个重要的储库。

通过分析来自国家老化研究所干预测试项目十八年的数据，本研究建立了一个标准化的预测区间框架，用以区分自然寿命变化与实验异常，并揭示了考虑此类变异可以改变干预结果的统计显著性。

本文介绍了 ESM3-PPISites，这是一种利用 ESM3 架构的多模态深度学习模型，通过整合进化与 3D 几何上下文信息来准确识别蛋白质-蛋白质相互作用界面，从而超越现有方法，并显著提升下游分子对接模拟的效率与准确性。

LoCoFlow 是一种新颖的流匹配框架，它通过整合局部点云几何结构与条件命运不确定性，增强了单细胞命运推断与轨迹重建能力，从而在传输准确性和扰动响应预测方面超越了现有方法。