1248 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。
该研究通过系统评估多种搜索引擎、数据集及数据库配置，证实了先进的肽段重评分策略（如 Percolator、MS2Rescore 和 Oktoberfest）能显著减少不同引擎间的鉴定差异并提升一致性，从而增强了蛋白质组学分析的稳健性与可比性，同时也强调了特征选择与数据库配置对确保错误发现率控制的重要性。
本文提出了名为 Diffusion-ACP39 的潜在扩散生成框架，结合同步种子自编码器与随机森林分类器，成功生成了具有高度真实性的新型抗癌肽，为加速抗癌药物发现提供了高效方案。
该研究通过整合转录组数据与生物分子网络分析，揭示了酒精使用障碍与精神疾病共有的分子特征，鉴定出包括 TTR 在内的关键枢纽基因、调控转录因子及 miRNA，并发现免疫与炎症信号通路在两者发病机制中的核心作用，为相关疾病的诊断与治疗提供了新的生物标志物和潜在靶点。
本文介绍了 EasyPseudogene，这是一款专为真核生物设计的自动化多线程流程，它通过引入跨物种参考驱动范式及分层筛选架构，解决了大规模基因组中假基因识别的复杂性与性能瓶颈，并提供了交互式可视化功能以支持进化研究。
本文介绍了 ESGI，这是一个灵活可扩展的框架，能够直接基于原始 FASTQ 文件处理具有任意条形码架构的单细胞测序数据，通过支持插入和缺失错误校正及可变长度条形码，解决了现有流程难以适应新兴复杂实验设计的局限性。
该研究提出了一种利用单细胞基础模型（scFMs）和大规模 Perturb-seq 数据集的框架，通过结合基础与促炎刺激条件，成功识别并优先排序了能够逆转细胞炎症表型的关键基因靶点，为炎症相关疾病的药物发现提供了可扩展的机器学习驱动方案。
该研究通过整合多组转录组数据，揭示了特应性皮炎在不同年龄组及疾病类型中的分子特征差异，并开发了 ECZECIS 评分作为量化指标，证实了度普利尤单抗在显著抑制皮肤及全身免疫激活方面的卓越疗效。
该研究通过整合 ENCODE 和 Cistrome 等多源数据及现有资源，构建了包含数千万人类和小鼠转录因子结合位点的综合数据库 TFBSpedia，并引入置信度与重要性评分及高效检索引擎，以解决现有数据库间的差异并提升结合位点预测的准确性与生物学意义。
GWASPoker 是一款基于 Python 开发的免费工具，它通过部分下载和表头检测技术，无需下载完整文件即可从 GWAS 目录中高效筛选并解析适用于多基因风险评分计算的汇总统计数据。
该研究提出了首个基于基因组语言模型的 circRNA 识别工具 circFormer，通过结合课程学习与教师模型评分策略有效解决了数据稀缺难题，在显著提升预测精度与鲁棒性的同时，利用可解释性 AI 揭示了 circRNA 形成的机制特征。