生物物理学是一门迷人的交叉学科,它像一座桥梁,将物理学的精密原理与生命的复杂奥秘连接起来。在这里,研究者利用物理工具去解码细胞如何运作、蛋白质怎样折叠,甚至探索意识背后的物质基础,让抽象的生命现象变得清晰可测。

Gist.Science 致力于让前沿科学触手可及。我们每天自动追踪 bioRxiv 上发布的最新生物物理学预印本,并由专家团队为每一篇论文提供通俗易懂的科普解读与深度的技术分析。无论您是资深学者还是科学爱好者,都能在这里快速把握研究核心。

以下为您呈现该领域最新发布的论文列表,带您即刻开启探索之旅。

⚛️ biophysics

Muscle Diffraction at the Life Science X-ray Scattering Beamline

本文介绍了美国国家同步辐射光源II(NSLS-II)生命科学X射线散射(LiX)光束线的最新方法学进展,该光束线通过高通量和半自动化的技术,为肌肉组织(包括人类及多种动物模型)的肌节蛋白研究及相关疾病分析提供高效的衍射实验支持。

Nguyen, K., Hessel, A. L., Sadler, R. L., Engels, N. M., Delligatti, C. E., Harris, S. P., Yang, L.2026-02-12
⚛️ biophysics

DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics

本文提出了一种名为 DynMoCo 的新型深度学习框架,通过将分子动力学模拟建模为随时间演化的图,利用图卷积网络与循环模型的结合,实现对蛋白质动态社区(即协同运动的模块化子结构)的端到端检测与演化追踪,从而为理解复杂生物大分子的动态功能机制提供了一种可解释的新方法。

Mao, L., Kwak, M., Ashkezari, A. H. K., Li, Z., Chen, Y., Cong, P., Phee, J. H., Kang, S., Li, J., Zhu, C.2026-02-10
⚛️ biophysics

Binding Paths: Describing Small Molecule Interactions with Disordered Proteins via a Markov State Model

本文引入了一种基于马尔可夫状态模型(Markov State Model)的框架,该框架通过动态的“结合路径”而非静态口袋来表征小分子与无序蛋白质的相互作用,从而阐明识别机制并识别具有药物开发价值的区域,以促进针对此前难以成药靶点的药物研发。

Louet, A. A. B., Hummer, G., Vendruscolo, M.2026-02-09
⚛️ biophysics

Early-Enrichment Hit Discovery via Reversible-Work c(t) Estimation in Metadynamics (CTMD)

本文介绍了 CTMD,这是一种快速、基于物理且开源的元动力学协议,它利用可逆功估计量 c(t) 在虚拟筛选中实现稳健的早期富集,有效地填补了近似对接/人工智能方法与昂贵的自由能计算之间的空白,同时避免了近期人工智能共折叠方法中所观察到的记忆伪影和训练集偏差。

Adury, V. S. S., Tiwary, P., Gu, X., Shekhar, M.2026-02-08