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。
本文提出了 CancerSTFormer，这是一种包含多尺度空间感知基础模型的工具，能够解析肿瘤微环境中的基因与免疫调控响应，并通过扰动分析揭示靶向治疗对空间生态位的影响，从而将现有的空间转录组数据转化为理解癌症治疗耐药性与敏感性的关键资源。
该研究开发了名为"One Click Wonder"的自动化分割流程，通过结合重训练的 Cellpose 模型与特定发育阶段参数，并整合 BAAM 工具实现单细胞定量分析，从而成功克服了秀丽隐杆线虫胚胎核形态快速变化带来的挑战，实现了高通量、模块化的基因表达定量研究。
MetaTree 是一个免安装的交互式 Web 平台，旨在通过共享参考层级结构实现微生物组等分层定量数据的多组对比可视化、统计检验及出版级图表的自动生成。
本文提出了 STCS 框架，通过整合细胞核分割与转录组 - 空间距离模型，无需依赖真实标注即可将测序型空间转录组数据中的高密度空间单元重建为具有生物学一致性的单细胞转录组，从而有效解决了亚细胞分辨率下细胞中心分析的瓶颈问题。
本文介绍了 snputils，这是一个旨在解决现有工具格式不兼容和计算效率低下问题的高性能 Python 库，它通过统一处理基因型、祖先和表型数据，为生物样本库规模的研究提供了高效、可扩展且可重复的基因组分析与可视化框架。
该研究系统评估了多种 Nanopore 长读长测序数据中的串联重复基因分型工具，发现单一工具无法在所有指标上表现最优，且仅靠长度准确性会高估性能，因此强调序列级基准测试对于临床诊断和群体研究工具选择的重要性。
该研究通过对 7.8 万余种蛋白质的大规模统计分析发现，序列衍生的生化特征对可溶与不可溶蛋白的区分能力主要受限于弱效应信号与特征间的高度冗余，其中序列长度和负电荷比例构成的简约模型虽能建立透明的统计基线，但整体判别性能（AUC=0.624）仍较为有限。
该研究通过模拟和实证分析建立了异时数据的无限位点理论，揭示了在真实微生物数据中，节点定年不确定性主要取决于其与最近已知校准点的距离而非绝对年龄，并指出大多数病毒爆发数据因信息量不足而无法达到理论上的无限信息极限，其定年精度仍受数据规模和信息含量的制约。
本文提出了名为 OpenPheno 的多模态基础模型，通过将生物活性预测重构为开放集视觉语言问答任务，实现了仅需单次细胞表型成像即可零样本预测任意未见生物测活性的突破，从而为药物发现提供了可扩展且低成本的新范式。
本文介绍了 selscape，这是一个基于 Snakemake 的自动化工作流，旨在通过统一多种工具来简化从数据准备到结果可视化的全基因组自然选择分析流程，从而实现跨群体研究的可重复性与可扩展性。