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

scProfiterole: Clustering of Single-Cell Proteomic DataUsing Graph Contrastive Learning via Spectral Filters

本文提出了名为 scProfiterole 的计算框架,通过利用 Arnoldi 正交化实现谱图滤波器的多项式插值,并结合图对比学习,有效解决了单细胞蛋白质组数据中缺失值和噪声问题,从而显著提升了细胞类型聚类的准确性与鲁棒性。

Coskun, M., Lopes, F. B., Kubilay Tolunay, P., Chance, M. R., Koyuturk, M.2026-03-10
💻 bioinformatics

In silico analysis of the human titin protein (Immunoglobulin-like, fibronectin type III, and Protein kinase domains) as a potential forensic marker for postmortem interval (PMI) estimation

本研究通过计算机模拟分析,首次揭示了人类肌联蛋白(Titin)中免疫球蛋白样、纤连蛋白 III 型和蛋白激酶结构域具有不同的降解稳定性,从而为将其作为推断死后间隔时间(PMI)的多结构域生物标志物奠定了理论基础。

Gill, M. U., Akhtar, M.2026-03-10
💻 bioinformatics

DIA-NN EasyFilter workflow for the fast and user-friendly critical assessment and visualization of DIA-NN proteomics analysis outcome

本文介绍了一种基于 KNIME 的 DIA-NN EasyFilter 工作流,旨在通过提供无需编程技能即可执行的快速、用户友好的蛋白质过滤与可视化功能,解决 DIA-NN 原始输出文件难以直接分析的问题,从而提升大规模蛋白质组学数据的评估准确性与可解释性。

Moagi, M. G., Thatiana, F. F., Kristof, E. K., Arda, A. G., Arianti, R., Horvatovich, P., Csosz, E.2026-03-10
💻 bioinformatics

PhosSight: a Unified Deep Learning Framework Boosting and Accelerating Phosphoproteome Identification to Enable Biological Discoveries

PhosSight 是一个统一的深度学习框架,通过引入 PhosDetect 模型精准预测肽段可检测性,有效解决了 DDA 和 DIA 模式下的数据缺失与搜索效率瓶颈,显著提升了磷酸化蛋白质组的鉴定深度并助力发现了如 MARK2 等新的预后激酶靶点。

Wang, B., Cheng, Z., She, C., Zhang, J., Lv, L., Zhu, H., Liu, L., Fu, Y., Yi, X.2026-03-10