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。
该研究通过整合单细胞 RNA 测序与可解释机器学习技术，成功鉴定出包括 IL7R、CD6 及 TNFAIP3 在内的免疫相关基因作为三阴性乳腺癌治疗反应的关键生物标志物，并证实了血液来源标志物在非侵入性监测中的显著预测潜力。
本文提出了一种名为 SPAE 的集成正弦与分段自编码器模型，旨在通过提升准确性和鲁棒性，有效解析单细胞 RNA 测序数据中的细胞周期动态与细胞状态，并辅助去除细胞周期效应及预测癌症细胞周期转换。
REMAG 是一款利用对比学习（结合 HyenaDNA 基础模型、Siamese 网络和 Barlow Twins 损失函数）从长读长宏基因组数据中高效回收高质量真核生物基因组组装（MAGs）的新工具，有效解决了现有流程因依赖原核参考数据库而难以处理真核生物基因组的问题。
本文提出了一种名为 scEvolver 的基于原型的持续学习框架，用于单细胞注释，该方法通过记忆引导的增量学习在不访问历史数据的情况下持续积累知识，有效克服了灾难性遗忘和批次偏差，在多种真实场景下实现了比现有方法更高的注释准确性和泛化能力。
针对现有基因结构可视化工具在自定义注释和交互性方面的不足，本文介绍了名为 geneSTRUCTURE 的现代平台，该平台通过命令行和网页界面，支持基于 GFF3 和 GTF 格式灵活、交互式地可视化基因结构并叠加突变位点等补充注释。
本文提出了 Perseus，一种基于谱系感知的置信度估计框架，通过利用卷积神经网络分析 Kraken2 在长读长宏基因组数据中的 k-mer 信号空间分布与层级一致性，有效降低了错误分类率并显著提升了分类精度。
该研究利用基于 PlantCaduceus 基因组语言模型的上下文感知序列嵌入，构建了跨物种基因表达预测模型，不仅显著提升了在 17 种植物中的预测精度，还准确捕捉了 Brachypodium 突变体中单核苷酸变异对基因表达的调控效应。
本研究利用多组学整合分析重新评估了 MIDY 突变猪模型数据，通过 SurfacOmics 工具鉴定出 ADAMTS17 作为糖尿病相关并发症的新型生物标志物，揭示了其在免疫功能障碍和伤口愈合延迟中的潜在作用。
本文提出了一种名为逆协议预测（IPP）的形态感知结构化学习框架，通过融合形态学特征与深度视觉嵌入，利用分层多任务 Transformer 从单个球体显微图像中高精度地推断实验培养条件，从而支持 3D 细胞培养系统的可重复性审计与协议验证。
SR2P 是一种基于堆叠集成学习的机器学习框架，能够利用基因表达数据高效预测空间转录组中的蛋白质丰度，从而克服多组学数据稀缺的局限，显著提升肿瘤免疫微环境分析能力。