💻 bioinformatics
EXTRARNAS: A Framework for Extracting RNA Structures with Multiple Tools
EXTRERNAS 是一个基于 Docker 的可重复 Java 框架，它通过多种工具自动提取 RNA 结构注释，并将这些异构输出标准化为 BPSEQ 和新的 BPSEQE 格式，以促进对规范和非规范相互作用的一致性比较。
💻 Category
bioinformatics
1012 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。
💻 bioinformatics
dnoise: Fast Native Data Reduction for Bruker timsTOF
本文介绍了 dnoise，这是一款快速的开源 Rust 工具，它通过在保留 DDA 和 DIA 工作流中分析准确性的同时去除冗余点，显著降低了 Bruker timsTOF 原生数据的存储占用。
💻 bioinformatics
MetaDome 2027: a comprehensively updated resource for aggregating missense variant evidence across homologous human protein domains
本文介绍了 MetaDome 2027，这是一个经过全面更新的资源，它汇总了具有 GRCh38 支持的同源人类蛋白质结构域中的错义变异证据，显著扩大了结构域覆盖范围，并为临床遗传学中临床意义不明变异的重新分类提供了关键的致病性证据。
💻 bioinformatics
scPyviewer: a Python-native interactive viewer from AnnData single-cell data
scPyviewer 是一个基于 Python 原生的 Web 端交互式查看器，它使非编程人员无需进行 Seurat 转换即可直接探索 AnnData 单细胞数据集，在提供与现有 R Shiny 工具功能对等性的同时，展示了更优越的渲染速度、更低的内存占用，以及处理会导致 R 语言替代方案失败的大规模数据集的能力。
💻 bioinformatics
Chemi-Proteome Language Attention Network Empowers Fragment-Based Ligand Interactome and Binding Sites Discovery with Evidence
该论文介绍了一种名为 C-PLANK 的深度学习框架，该框架基于细胞化学蛋白质组学数据进行训练，在预测片段-蛋白质相互作用方面优于现有模型，并通过将物理化学嵌入与系统级生物合理性指标相结合，成功鉴定出一种新型 SIRT3 激动剂。
💻 bioinformatics
RegimeFormer: A Large Protein Model of Global Perturbation Regimes
RegimeFormer 是一个大规模蛋白质模型，通过其关联的包含超过 2 亿条序列的 RegimeAtlas 数据库，建立了全局扰动机制（global perturbation regimes），用以预测残基水平的突变效应，并提升下游生物学建模的表现，特别是在处理未见过的蛋白质和家族时。
💻 bioinformatics
Dynamic Hierarchical Interleaved Bloom Filter: An Updatable Index for Large-Scale Fast Sequence Search
本文介绍了动态分层交错布隆过滤器（Dynamic Hierarchical Interleaved Bloom Filter），这是一种可扩展且可更新的索引结构，它通过对最先进的 HIBF 进行局部重建，实现了高效的大规模序列搜索，并展示了索引超过 100 TB RNA-Seq 数据以及插入新样本速度比竞争工具快 24 至 65 倍的能力。
💻 bioinformatics
Vipsania: Unsupervised Deep Gene Finding
Vipsania 是首个通过直接从未注释序列中学习，从而准确预测多样化真核基因组中蛋白质编码基因结构的无监督深度学习工具，由此克服了需要高质量训练数据且在处理远缘或基部演化支时表现不佳的有监督方法的局限性。
💻 bioinformatics
PhageTransformer - scalable and accurate host assignments for bacteriophages
PhageTransformer 是一种深度学习模型，它通过在数千个独立的噬菌体-宿主对上展现出的卓越性能，克服了现有工具的局限性，为噬菌体提供了可扩展、准确且快速的宿主预测。
💻 bioinformatics
When AI encounters natural history: Morphological OTUs reshape our understanding of Earth's life
该论文介绍了 morphOTU，这是一个由人工智能驱动的框架，它通过自监督学习和层次聚类，直接从标本图像中推导出操作生物多样性单位，从而在缺乏正式分类标签或大量训练数据的情况下，实现对物种多样性的准确量化以及形态模式的发现。