OPTIMIS: Optimizing Personalized Therapies through Integrated Multiscale Intelligent Simulation
本文提出了一种名为 OPTIMIS 的 AI 框架，通过构建结合微观随机动力学与宏观连续方程的可微神经微分方程数字孪生，利用强化学习实现了对复杂多尺度生物系统（如细胞疗法）中动态治疗策略的优化，成功将不稳定表型下的控制成功率提升至 70% 以上。
💻 Category
bioinformatics
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。
Allos: an integrated Python toolkit for isoform-level single-cell and spatial in-situ transcriptomics
本文介绍了 Allos，这是一个基于 AnnData 数据模型构建的开源 Python 工具包，旨在通过整合单细胞与空间转录组数据，解决现有工具在异构数据互操作性上的局限，从而实现对全长转录本及可变剪接事件的高效存储、分析与可视化。
Is metabolism spatially optimized? Structural modeling of consecutive enzyme pairs reveals no evidence for spatial optimization of catalytic site proximity.
该研究通过构建计算框架并分析大肠杆菌中 107 对连续酶的结构模型，发现尽管连续酶倾向于发生相互作用，但其催化位点并未表现出为优化代谢物传递而进行的空间邻近排列。
Self-supervised learning for a gene program-centric view of cell states
本文介绍了 Tripso，一种基于自监督 Transformer 的深度学习模型，它通过从预定义及数据驱动的基因程序中学习多重嵌入，克服了传统单细胞表征的局限性，从而在造血发育、干细胞培养优化及特应性皮炎免疫机制等研究中实现了具有可解释性和生物医学价值的发现。
Emergent Biological Realism in RL-Trained DNA Language Models
该研究通过强化学习（Group Relative Policy Optimization）对 DNA 语言模型进行后训练，不仅显著提升了质粒生成的质量通过率，还使其在未显式优化的情况下涌现出与自然质粒一致的生物物理特性，证明了 RL 技术能引导 DNA 模型进入具有生物真实性的序列空间。
Mosaic integration of spatial multi-omics with SpaMosaic
本文介绍了 SpaMosaic，一种利用对比学习和图神经网络整合异构空间多组学数据、有效消除批次效应并实现缺失模态精准推断的工具，能够构建全面的空间生物图谱。
Signature Distance: Generalizing Energy Statistics
本文提出了一种名为“签名距离”（Signature Distance）的新指标，通过比较排序后的点距离分布均值差异来推广能量统计方法，从而在保持相同计算复杂度的同时，有效克服了传统能量距离对局部密度和拓扑结构变化不敏感的局限，并成功应用于癌症转录组数据分析及生成模型训练。
Fitness translocation: improving variant effect prediction with biologically-grounded data augmentation
该论文提出了一种名为“适应度易位”（fitness translocation）的数据增强策略，通过利用同源蛋白的变异适应度数据在嵌入空间中生成合成变异，显著提升了在训练数据稀缺或同源序列相似度较低情况下的蛋白质变异效应预测准确性。
Chromatix: a differentiable, GPU-accelerated wave-optics library
本文介绍了 Chromatix，这是一个基于 JAX 构建的开源、GPU 加速且可微分的波光学仿真库，旨在通过标准化光学元件与传播方法，解决计算光学领域缺乏统一框架的问题，并显著提升在快照显微镜、全息术及相位恢复等应用中的模拟速度与并行效率。
cellSight: Characterizing dynamics of cells using single-cell RNA-sequencing
本文介绍了名为 cellSight 的自动化工作流，旨在通过整合单细胞 RNA 测序数据中的聚类、特征提取和标准化等任务，解决人工处理效率低、易出错及扩展性差的问题，从而加速单细胞生物学发现并推动其临床转化。