1244 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。
本文提出了 enCORE 计算框架，利用增强子互作网络从单细胞染色质可及性数据中识别成簇开放调控元件（COREs），从而有效解析了包括造血分化和结直肠癌在内的多种生物学过程中的上下文依赖性表观遗传重编程机制。
本文提出了一种受语言学启发的确定性算法，通过整合序列上下文信息并利用k-mer的词汇、句法和语义属性，显著提升了RNA结合蛋白（RBP）基序及其上下文环境的发现精度。
本文提出了基于 BERT 的 ChromBERT 模型，通过在大规模人类染色质状态数据上进行预训练并结合动态时间规整技术提取关键模体，成功实现了基因表达预测、细胞类型分类及三维基因组特征识别等多种下游任务，为揭示表观基因组动态规律提供了新框架。
本文提出了一种名为 K2Rmini 的 Rust 工具，通过结合最小化子（minimizer）草图技术与 SIMD 加速，实现了无需预先构建完整索引即可高效过滤海量 k-mer 匹配序列的功能，在消费级笔记本电脑上可达 2 Gbp/s 的处理速度。
该研究通过代谢网络分析揭示了酶折叠的演化历史，表明早期代谢主要依赖富含β-折叠的酶且多与辅因子利用相关，而蛋白质宇宙对氧气产生的适应主要源于现有酶折叠的改造而非新折叠的诞生，从而构建了一个整合代谢与酶演化的统一模型。
本文提出了基于 Mamba-2 框架的双向状态空间模型 eccDNAMamba，通过引入圆形增强策略以保留拓扑结构，实现了对超长染色体外环状 DNA（eccDNA）的高效建模，在癌症判别和拷贝数预测等任务中显著优于现有基因组基础模型，并能有效识别具有生物学意义的调控元件。
本文提出了一种受天文学启发的自动算法 Astro-BEATS，用于在荧光显微镜下检测和分割微小的突触钙瞬变，其性能优于现有阈值方法，并能高效生成训练数据以支持深度学习模型。
OmicClaw 是一个基于统一 OmicVerse 生态系统和 J.A.R.V.I.S. 运行时的可执行自然语言框架，它通过将用户请求转化为可追溯的工作流，解决了多组学分析中工具碎片化和可重复性不足的问题，并显著提升了复杂任务的分析性能与交互体验。
本文介绍了 CROCHET，这是一个开源、模块化且用户友好的端到端分析流程，旨在通过整合多种数据模态和先进算法，从大规模单细胞空间组学数据中自动化构建细胞空间图谱并促进该领域的普及。
本文提出了一种名为 st-Xprop 的跨传播图学习网络，通过构建模态特异性图并执行交替的跨模态传播与双图嵌入耦合，有效整合了空间转录组数据中的基因表达、空间坐标及组织学图像等多模态信息，从而显著提升了空间组织域识别的准确性与生物学意义。