1246 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。
该研究通过分析体内结合位点周围长达数千碱基对的序列，发现转录因子结合位点两侧存在显著的 GC 含量升高及特定的序列特征，并提出这些非共识的“统计信标”通过改变 DNA 形状或辅助其他转录因子结合，构成了帮助转录因子进行粗扫描并定位靶标位点的机制。
GREmLN 是一种利用图信号处理将基因调控网络结构直接嵌入注意力机制的单细胞转录组基础模型，它通过引入图结构归纳偏置，在细胞类型注释、图结构理解及扰动预测等任务上实现了超越现有基准的性能，并提供了可解释且参数高效的统一学习框架。
Sassy 是一款利用 SIMD 指令集和位向量技术实现 DNA 序列模糊搜索的高效库，通过并行处理文本和灵活的悬垂成本机制，在 CRISPR 脱靶检测等需要穷举匹配的应用中，相比 Edlib、Parasail 及 CHOPOFF 等现有工具实现了显著的速度提升。
该论文提出了一种利用 MSA-Transformer 的随机迭代框架，通过结合掩码策略、束搜索及稀疏自编码器分析，在序列空间中生成融合源蛋白与目标蛋白特性的功能增强型杂合蛋白，并验证了其在保留核心折叠与催化特征方面的有效性。
本文介绍了 GNExT（GWAS 网络探索工具），这是一个集成了 MAGMA 和 Drugst.One 等系统的网络医学方法的 Web 平台，旨在通过将全基因组关联研究（GWAS）结果转化为可解释的分子网络模块来揭示疾病机制并发现药物重定位候选者，同时提供标准化的 Nextflow 流程以支持大规模数据的部署与应用。
本文提出了名为 PertFlow 的统一计算框架，能够基于药物元数据从对照细胞状态同时预测转录组变化并生成细胞形态图像，从而有效捕捉药物扰动下基因表达与细胞表型间的复杂依赖关系。
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。
SpatioCAD 是一种通过结合细胞密度感知机制的图扩散模型，旨在从异质性组织中准确识别空间可变基因并消除细胞密度变化干扰的计算框架。
本文介绍了 AQuA2-Cloud，这是一个基于云的 Web 平台，旨在通过消除 MATLAB 许可依赖并支持多用户协作，使研究人员能够便捷地利用标准浏览器对荧光生物成像数据进行高精度的时空活动分析。
本文介绍了 CAPRINI-M，这是一个利用大语言模型从海量文献中挖掘小鼠心脏特异性蛋白互作数据，并结合 AlphaFold3 预测互作界面与热力学稳定性，从而提供比现有资源更全面、机制更详尽的心脏疾病相关蛋白互作图谱的在线工具。