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。

本文提出了 SELFormerMM 框架，通过整合 SELFIES 符号、分子结构、文本描述及知识图谱中的生物交互数据，实现了多模态分子表征学习，从而在多种分子属性预测任务中超越了单一模态模型。

本文提出了一种名为 Super Bloom 的过滤器，它通过利用最小化子将相邻 k-mer 分组并映射至同一内存块，结合 findere 方案，在生物序列流式查询中显著提升了缓存效率与查询速度，同时大幅降低了误报率。

本文介绍了 PhyloRNA，这是一个 curated 元数据库，它将 RNA 二级结构与其来自五个分类系统的系统发育注释及丰富的结构描述符相关联，以支持大规模的 RNA 比较与进化分析。

本文介绍了 RiboBA，这是一种能够校正不同核糖体图谱测序（Ribo-seq）实验方案引入的偏差、从而在多种数据集中实现更稳健且准确的新开放阅读框（ncORF）鉴定的概率框架。

该研究开发了一种基于呼吸道微生物组数据和机器学习（特别是 XGBoost 模型）的人工智能决策支持工具，能够利用微生物群落失调特征（如不动杆菌和葡萄球菌的富集）准确区分 COVID-19 患者的严重程度，从而实现高效的临床分诊。

DOTSeq 是一种用于核糖体图谱分析的全基因组框架，它通过引入差异 ORF 使用（DOU）统计模型和差异翻译效率（DTE）方法，实现了在批量和单细胞水平上对 ORF 层面翻译调控的高灵敏度检测与全流程分析。

该研究通过整合现有筛查系统结果并经由利益相关者科学评审，制定了一套用于界定“关注序列”的标准化准则，显著减少了序列分类争议，为生物安全筛查标准与政策的建立奠定了基础。

该研究通过置换策略评估发现，尽管负二项分布模型（如 DESeq2、edgeR）易产生假阳性而成分校正方法（如 ALDEx2、ANCOM-BC2）易产生保守结果，但传统的 t 检验和 Wilcoxon 检验在零假设下表现出更稳健的 p 值分布，提示在微生物组差异丰度分析中需谨慎选择统计方法。

Ryder 是一个灵活的 Python 软件包，它通过利用稳定的内部参考区域（如不变 CTCF 结合位点）构建双层模型，有效校正多种表观基因组测序数据中的技术变异，从而提升跨样本比较的准确性并增强对真实生物学信号的检测能力。

本文提出了 HKS，一种基于谱 Burrows-Wheeler 变换（SBWT）的数据结构，它通过单一索引支持可变长度 k-mer 的精确分层注释，利用层次感知平滑算法解决多匹配和 novel k-mer 问题，从而在人类基因组特征分配中实现了比现有工具（如 Kraken2）更高的准确性和特异性。