1205 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。
该研究证明，单个 AI 智能体（Claude Opus 4.6）结合 LLM 驱动的匹配对齐方法，在五个独立的农业元分析数据集中实现了与人工提取数据的统计等效性，从而将数据提取成本降低一至两个数量级并显著提升了连续型数据的提取精度。
本文提出了名为 REGEN 的图神经网络框架，能够从批量转录组数据中同时学习基因相互作用网络并预测患者生存状态，通过系统比较邻接矩阵初始化策略为相关应用提供了实践指南，并在多种癌症类型中验证了其优越的性能与生物学意义。
本文提出了 EvoMut 计算框架，通过整合结构、化学、功能及进化信息，将氧化脆弱性与突变可行性明确区分，从而实现对蛋白质氧化稳定性进行理性设计与优化的有效指导。
该研究构建了一个统一且注重实际实施的基准框架，对 46 种多基因风险评分工具在二分类和连续表型下的预测性能、计算资源消耗及鲁棒性进行了全面评估，发现没有单一方法在所有场景下均表现最优，工具的实际效果受统计方法、表型架构及实施约束等多重因素共同影响。
本文介绍了 Helicase，一个基于 Rust 的高性能库，它利用 SIMD 向量化技术将 FASTA/Q 解析转化为有限状态机，实现了针对 x86 和 ARM 架构的极速解析、非标准字符处理及 DNA 序列位打包，其吞吐量超越了所有现有同类库。
该论文介绍了 miRBind2，这是一种基于深度学习的模型，仅通过序列信息即可利用创新的成对核苷酸表示法准确预测 miRNA 结合位点，并能进一步扩展用于预测基因转录抑制，其性能显著优于现有方法且参数量更少。
该研究通过耦合密码子与蛋白质语言模型，揭示了遗传变异致病性同时受“产物”（氨基酸残基特征）和“过程”（密码子级调控约束）驱动，且不同功能变异及实验平台对这两类信号的敏感度存在显著差异。
该研究开发了一种整合多种转录组特征与连接评分方法的计算工作流，成功识别出 64 种具有潜力的抗结核宿主导向治疗药物及 12 个关键桥接基因靶点，为系统性发现细菌感染的宿主导向疗法提供了稳健框架。
本文提出了 TriGraphQA，一种通过构建单体与界面三重几何视图并引入接口上下文聚合模块，从而显著超越现有方法、实现蛋白质复合物结构质量评估的三重图学习框架。
本文提出了 RNASTOP 框架，通过结合深度学习与启发式搜索，显著提升了 mRNA 化学稳定性的预测精度并实现了序列优化，从而为加速 mRNA 治疗药物的开发提供了有力工具。