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。

HighFold-Lasso 是一种创新的计算框架，它通过将定制的共价连接性与支架引导的自适应初始化相结合，实现了在预测所有四类套索肽类复杂机械互锁结构方面达到 100% 的成功率，其准确性和可靠性显著优于通用型模型。

本文介绍了癌症树状活检框架（CTBF），这是一种通过纵向单细胞拷贝数谱重建癌症系统发育树的方法，该方法明确考虑了时间采样顺序并区分了观测谱与它们的祖先状态，证明了其相比于现有的池化或仅基于拓扑结构的方法在准确性和全基因组规模可行性方面的优越性。

本文介绍了 HiRepEat，这是一个快速且内存高效的计算框架，它将 TACO 重复序列压缩器与 SALSA 坐标映射系统相结合，并利用改进的波前比对算法，用以精确地识别、聚类并分析不同脊椎动物和黑腹果蝇基因组中的 LTR 反转录转座子家族。

本文介绍了 IMEx 结合域数据集，这是一个大规模、经人工策展的、将实验衍生的蛋白质相互作用区域映射到 UniProtKB 序列上的集合，它可作为基准测试界面预测方法以及阐明疾病相关突变机制基础的金标准。

本文介绍了 PatientPheX，这是一个全新的全文生物医学语料库，包含 200 份病例报告，并针对患者特定表型实体及其关联进行了详细标注，旨在推进罕见病研究并支持以患者为中心的信息提取方法的发展。

这项研究表明，在社区居住的日本成年人中，习惯性的植物性食物相关饮食信息并非由单一生物状态所捕捉，而是表现为分布在互补表型层上的可追踪维度，其中血清拉曼光谱能为特定的饮食变量（如β-胡萝卜素）提供独特的预测见解，从而对临床和代谢组学数据形成补充。

通过在多平台 B 细胞淋巴瘤数据集上对 87 个正交指标下的 2,234 种协调方法进行评估，本研究表明，最优方法高度取决于所选的指标类别，其中 ComBat 在跨批次预测质量方面表现优异，而其他方法则无法保持生物学完整性。

该论文介绍了 NoiTox，这是一种多模态机器学习策略，它整合了理化描述符、蛋白质语言模型嵌入和图神经网络，在预测肽毒性方面达到了最先进的性能，同时揭示并分析了基准数据集中的标签噪声。

本研究系统地基准测试了十种无监督昼夜节律相位推断方法在 25 个数据集上的表现，确定了 CHIRAL 是平均误差最低的最佳方法，同时证明了方法的准确性随数据集特征而变化，且顶尖方法即使在样本采集时间未知的情况下也能有效恢复节律基因模式。

本文介绍了 Dipler，这是一种快速、不依赖参考基因组的两步法，它通过结合特定分组的 k-mer 识别与针对性的 PacBio 从头组装，成功解决了在低测序覆盖度下真核生物基因组中结构复杂且具有差异性的等位基因的解析与组装问题。