💻 bioinformatics
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。
💻 Category
bioinformatics
1018 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
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。
💻 bioinformatics
Cenote-Taker 3 for Fast and Accurate Virus Discovery and Annotation of the Virome
本文介绍了 Cenote-Taker 3 这一命令行工具，它通过集成病毒发现、前噬菌体提取及基因注释模块，能够高效、准确地从基因组或宏基因组组装数据中识别病毒并注释其基因，且在速度和精度上优于多数同类工具。
💻 bioinformatics
Computational Design and Atomistic Validation of a High-Affinity VHH Nanobody Targeting the PI/RuvC Interface of Streptococcus pyogenes Cas9: A Bivalent Hub Strategy for CRISPR-Cas9 Enhancement
本文报道了一种基于生成式扩散模型和分子动力学模拟的全计算流程，成功从头设计并验证了一种靶向 SpCas9 非催化表位的高亲和力 VHH 纳米抗体，该纳米抗体可作为双价枢纽架构招募效应分子，从而增强 CRISPR-Cas9 系统的功能。
💻 bioinformatics
AI-guided design of candidate BMPR1A-binding peptides for cartilage regeneration: a multi-tool computational benchmarking study
本研究通过基准测试四种生成式 AI 工具（RFdiffusion、BindCraft、PepMLM 和 RFpeptides），成功设计出针对软骨再生关键靶点 BMPR1A 的高亲和力候选肽，并确立了包含物理能量评分与接触复现度评估的可重复计算框架，为后续实验验证提供了优选分子。
💻 bioinformatics
CBIcall: a configuration-driven framework for variant calling in large sequencing cohorts
本文介绍了 CBIcall，这是一个基于配置的开源框架，旨在通过单一 YAML 文件标准化并自动化从原始测序数据到变异检测结果的流程，从而解决大规模多中心基因组研究中因软件环境差异导致的流程不一致和结果不可复现问题。
💻 bioinformatics
Co-folding of Membrane Proteins and Lipid Molecules Improves Membrane-Protein Structure Prediction Accuracy
该研究提出了一种名为 CoMPLip 的免训练方法，通过在 AlphaFold 3 预测过程中将膜蛋白与脂质分子共折叠以显式构建膜环境，显著提升了膜蛋白结构预测的准确性，包括配体姿态预测、跨膜结构域分离及多构象态采样。
💻 bioinformatics
Deconvolution of omics data in Python with Deconomix -- cellular compositions, cell-type specific gene regulation, and background contributions
本文介绍了 Deconomix，这是一个功能全面的 Python 工具包及图形界面，旨在通过机器学习优化基因权重、推断背景贡献及解析细胞类型特异性基因调控，从而从异质性批量转录组数据中精确反演细胞组成。
💻 bioinformatics
A universal model for drug-receptor interactions
该研究提出了一种基于机器学习的通用模型，通过从精简数据中学习非共价相互作用原理，成功实现了对全新化学物质的药物 - 受体相互作用预测，从而弥补了传统结构生物学方法在理性药物设计中的不足。
💻 bioinformatics
FlashDeconv enables atlas-scale, multi-resolution spatial deconvolution via structure-preserving sketching
FlashDeconv 通过结合杠杆得分重要性采样与稀疏空间正则化，实现了在标准笔记本电脑上对百万级空间转录组数据的高效、高精度去卷积分析，不仅揭示了组织特异性分辨率阈值，还首次量化了 Tuft 细胞化学感应生态位并发现了传统方法无法识别的肿瘤免疫微域。