genetics 篇论文 | Gist.Science

遗传学探索着生命最深层的密码，研究基因如何塑造我们的健康、特征乃至进化历程。这一领域不再局限于实验室，而是正以前所未有的速度揭示疾病机制并推动精准医疗的发展。在 Gist.Science，我们致力于让这些前沿发现触手可及，帮助读者跨越专业术语的障碍，理解科学背后的真实故事。

本分类下的所有论文均直接来自 bioRxiv 预印本平台。我们实时追踪该库中的每一项新成果，不仅提供详尽的技术解读，更精心撰写通俗易懂的摘要，确保无论您是科研工作者还是科学爱好者，都能轻松掌握核心洞见。

以下为您呈现遗传学领域最新的预印本研究，涵盖从基因编辑技术到复杂疾病关联的最新突破。

本文介绍了一种使用标准线性代数的简单、闭式数学方法，用于直接从噪声时间序列数据中估计个体基因型的适应度，而无需对上位性进行假设或进行迭代优化，并证明了其在从实验室进化到全球大流行的各种模拟模型和真实数据集中的有效性。

本研究利用大规模 lentiMPRA 技术在人类兴奋性神经元中对超过 46,000 个非编码变异进行了功能表征，揭示了调控影响是由局部序列上下文和基线元件活性而非群体频率所驱动，同时为改进神经元调控变异的预测模型建立了关键资源。

本研究表明，将 R10.4.1 流式细胞化学技术与先进的碱基识别模型（特别是 HYPv5.0）以及质量过滤相结合，能够实现纳米孔测序中高度准确的常染色体和 Y-STR 分型，在单源法医学样本上甚至达到了高达 100% 的一致性。

尽管髓系特异性 Pck1 缺失降低了小鼠的体重、肝重和高密度脂蛋白胆固醇水平，但并未改变主动脉根部粥样硬化，这表明 Pck1 不是一个粥样硬化修饰基因。

本研究揭示了在 lexAop-tdTomato.nls 报告品系成年果蝇的前胃中存在持续的、与驱动器无关的 tdTomato 信号，强调了在肠道和前胃研究中，为了防止数据误读而对无驱动器对照和无抗体对照进行严格控制的至关重要性。

本研究提出了一种新颖的框架，该框架将瓶颈大小估计值明确整合到生物多样性数据的选择检验中，从而提高了区分遗传漂变与选择压力方面的精确度，并成功识别出肺炎链球菌中的新型致病相关基因。

本研究表明，双塔机器学习架构（特别是 TT-LASSO 和 TT-MLP）能够有效地从基因型数据中预测二元生殖结局并恢复潜在的性别特异性生育责任，为建模配偶在生殖性状中的共同遗传贡献提供了一个强大的框架。

本文提出了一个数学框架，用于对埃及伊蚊中可调控的、M-连锁性别比失衡基因驱动进行建模，该框架利用该物种同型性别的特性，以实现高效且可调节的种群抑制，同时最大限度地减少对相邻种群的影响。

本研究表明，与传统的单性状方法相比，通过策略性地实施结合了信息丰富的辅助性状及优化稀疏表型测定的多性状基因组预测模型，可以显著提高木薯关键产量性状的预测准确性和选择效率。

该论文介绍了 CATaN，这是一个将转录因子-基因调控网络与转录组相结合的无监督框架，旨在识别在复杂疾病中显著富集 SNP 遗传性的共享调控程序，从而提供一种比仅基于转录组的分析更全面的优先排序因果变体的方法。