Nanoscale Material Size Shapes Distinct Immune Transcriptional States Under Physiological Flow
该研究结合微流控技术与单细胞 RNA 测序，揭示了纳米材料尺寸及暴露复杂性在生理流动条件下通过诱导单核细胞发生非线性整合转录重塑、而 B 细胞和 CD4+ T 细胞则进行谱系保留的转录微调，从而塑造了独特的免疫转录状态架构。
💻 Category
bioinformatics
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。
SAMWOOD: An automated method to measure wood cells along growth orientation
本文介绍了 SAMWOOD，这是一种基于零样本 Segment-Anything 模型的自动化工具，能够在无需训练数据集的情况下精确分割木材显微图像中的细胞，从而高效、客观地重建细胞序列并测量解剖特征，显著提升了木材解剖学研究的效率与可扩展性。
Multiscale conformational sampling of multidomain fusion proteins by a physics informed diffusion model
该研究提出了一种物理信息驱动的多尺度扩散模型，通过结合粗粒化图神经网络与生物物理约束，实现了对多结构域融合蛋白（如双特异性抗体）大尺度构象系综的高效、高保真采样，从而加速了相关治疗药物的理性设计。
Improving Local Ancestry Inference through Neural Networks
本文提出并评估了四种基于双向长短期记忆网络和 Transformer 架构的新型局部祖先推断（LAI）神经网络方法，通过引入专用预处理和平滑步骤，在跨大陆、大陆内及远距离混合等复杂场景下显著提升了推断性能，尤其是在传统方法表现不佳的复杂混合情境中展现出优势。
Orally Delivered dsRNA-Derived siRNAs Reach the Central Nervous System in Leptinotarsa decemlineata
该研究通过 RISC 富集和小 RNA 测序技术证实，口服摄入的 dsRNA 在马铃薯甲虫（Leptinotarsa decemlineata）中不仅被加工为功能性 siRNA，还能成功转运至中枢神经系统并进入 RNA 干扰沉默机制。
StrainVis: interactive visual strain-level analysis of microbiome data
StrainVis 是一个交互式网络分析平台，通过整合基于平均核苷酸一致性（ANI）和平均成对共线性（APSS）的菌株追踪工具输出，降低了技术门槛，使用户无需编程即可统一探索微生物组内的序列变异与结构变异，从而促进对菌株水平多样性的深入发现。
SpliceSelectNet: A Hierarchical Transformer-Based Deep Learning Model for Splice Site Prediction
本文提出了 SpliceSelectNet（SSNet），一种基于分层 Transformer 的深度学习模型，它通过整合局部与全局注意力机制，能够高效处理长达 100 kb 的 DNA 序列，在实现剪接位点预测和异常剪接检测的顶尖性能的同时，提供了对长距离调控机制具有生物学可解释性的框架。
Fleming: An AI Agent for Antibiotic Discovery in Mycobacterium Tuberculosis
Fleming 是一个整合了判别式与生成式人工智能模型的智能体，通过结合分子优化、ADMET 预测及文献检索功能，在结核分枝杆菌抑制剂发现中展现出高命中率，能够高效探索新化学空间并筛选出同时满足多重理想标准的先导化合物。
Igniting full-length isoform analysis in single-cell and spatial RNA-seq data with FLAMESv2
FLAMESv2 是一款高度模块化且协议无关的 R/Bioconductor 软件包，旨在通过支持多种长读长单细胞及空间转录组实验方案，实现对 RNA 异构体表达、可变剪接及其细胞异质性的灵活、准确且可扩展的分析。
Application of large language models to the annotation of cell lines and mouse strains in genomics data
该研究评估了利用大语言模型（如 GPT-4o）辅助注释基因组数据中细胞系和小鼠品系元数据的性能，结果表明虽然模型尚无法完全取代人工，但结合人类验证的“人机回环”工作流能显著提升大规模生物医学元数据策展的效率与质量。