💻 生物信息学
ChatSpatial: Schema-Enforced Agentic Orchestration for Reproducible and Cross-Platform Spatial Transcriptomics
本文介绍了 ChatSpatial，这是一个基于模型上下文协议（MCP）和预验证工具模式的多平台智能体编排平台，它通过统一 Python 和 R 生态中的 60 多种空间转录组分析方法，实现了可复现、跨平台且无需手动编写代码的交互式分析工作流。
💻 Category
bioinformatics
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。
💻 生物信息学
Benchmarking tissue- and cell type-of-origin deconvolution in cell-free transcriptomics
该研究通过系统基准测试发现，尽管血浆游离 RNA 的组织来源推断在不同数据集和条件下表现稳健，但细胞类型来源推断受方法和参考参数影响较大且一致性较差，从而为相关分析中的参考选择与结果解读提供了重要指导。
💻 生物信息学
Fractal: Towards FAIR bioimage analysis at scale with OME-Zarr-native workflows
本文介绍了 Fractal 任务规范与平台，通过定义可互操作的 OME-Zarr 处理单元，实现了大规模生物显微图像的可扩展、模块化及可重复的 FAIR 分析工作流。
💻 生物信息学
Benchmarking 80 binary phenotypes from the openSNP dataset using deep learning algorithms and polygenic risk score tools
该研究利用 openSNP 数据集上的 80 种二元表型，系统评估了多种机器学习、深度学习算法及多基因风险评分工具的性能，发现机器学习在 44 种表型上表现更优，而多基因风险评分工具在其余 36 种表型上更具优势。
💻 生物信息学
anndataR improves interoperability between R and Python in single-cell transcriptomics
该论文介绍了 anndataR 包，它通过支持在 R 中直接读写 HDF5 格式的 AnnData 文件、实现与 SingleCellExperiment 或 Seurat 对象的转换以及确保跨语言兼容性，显著提升了单细胞转录组学数据在 R 和 Python 生态之间的互操作性。
💻 生物信息学
An Improved Dataset for Predicting Mammal Infecting Viruses from Genetic Sequence Information
该研究通过构建包含最新文献证据且规模翻倍的标准化哺乳动物病毒宿主数据集，评估了多种机器学习模型在预测病毒宿主感染方面的性能，发现扩大宿主分类层级（如哺乳动物）和减少训练集与测试集间的系统发育距离能显著提升预测准确率，但在跨病毒科预测时模型表现接近随机水平，表明病毒宿主预测在缺乏共同祖先的情况下难以实现良好的泛化。
💻 生物信息学
MiRformer: A Unified Generative Framework for mRNA-Conditioned miRNA Synthesis and Interaction Prediction
本文提出了 MiRformer，这是一种基于双 Transformer 编码器和滑动窗口注意力机制的统一生成框架，能够直接从原始序列中学习长 mRNA 上下文中的 miRNA 相互作用模式，在实现高精度结合位点定位与降解位点识别的同时，生成具有生物学意义的靶标特异性 miRNA 序列。
💻 生物信息学
The Stochastic System Identification Toolkit (SSIT) to model, fit, predict, and design experiments
本文介绍了一种名为随机系统识别工具包（SSIT）的开源 MATLAB 软件，它通过整合多种随机模拟方法、统计推断及实验设计功能，旨在高效处理生物数据中的随机性与异质性，从而优化参数估计、预测准确性并指导实验设计。
💻 生物信息学
Deciphering Cell Cycle Dynamics and Cell States in Single-cell RNA-seq data with SPAE
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。
💻 生物信息学
REMAG: recovery of eukaryotic genomes from metagenomic data using contrastive learning
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。