🧬 生物学
An Explainable XGBoost Framework for Anxiety and Depression Risk Prediction with SHAP and Counterfactual Reasoning
本研究提出了一种用于预测焦虑与抑郁风险的可解释 XGBoost 框架，该框架在解决类别不平衡和评估严谨性的同时，通过整合 SHAP 和反事实推理，在不取代临床诊断的前提下，为模型决策提供透明且可解释的见解。
🧬 Category
q-bio
6543 篇论文
🧬 生物学
A high-quality chromosome-level genome assembly and annotation of the Gansu Red Deer (Cervus elaphus kansuensis)
本研究通过对特有且国家保护动物甘肃红鹿（Cervus elaphus kansuensis）进行高质量、染色体水平的参考基因组组装与注释，为深入开展其遗传多样性、进化历史及保护研究提供了至关重要的基因组资源。
🧬 生物学
HiDAC: A Hierarchical Dictionary-Aided Compression Framework for Genomic Sequences
本文提出了 HiDAC，一种层级字典辅助的压缩框架，该框架在实现具有竞争力的 DNA 压缩率的同时，能够直接在压缩后的标记化表示上实现显著更快的下游分析（例如子串频率查询），而无需进行完全解压缩。
🧬 生物学
Carbon-Convergent Co-utilization of Ethanol and CO2 Enables 3-Hydroxypropionate Biosynthesis in Komagataella phaffii
本研究表明，通过利用一种协同消耗乙醇和二氧化碳的氧化还原互补型“2+1”策略，工程化毕赤酵母（*Komagataella phaffii*）实现了破纪录的3-羟基丙酸从头合成生产，成功将未经纯化的化学二氧化碳还原流转化为高价值的多碳产物。
🧬 生物学
LucaCell: a sequence-centric foundation model for cross-species single-cell analysis
LucaCell 是一种以序列为中心的基座模型，它利用预训练的 mRNA 序列嵌入而非固定的基因标识符，以实现稳健的跨物种、跨模态和跨上下文单细胞分析，包括准确的细胞类型迁移、微生物物种区分以及宿主-病毒相互作用预测。
🧬 生物学
The meaning and interpretation of ALFF and fALFF
本文阐明了虽然 ALFF 与基线代谢相关，但 fALFF 是一个受限的、具有饱和性的函数，主要反映的是信噪比和采集参数而非神经活动，从而导致其在采用不同方案的研究之间不具可比性。
🧬 生物学
First de novo Transcriptome Assembly of Litylenchus crenatae, the Causal Agent of Beech Leaf Disease
本研究展示了对导致山毛榉叶病（beech leaf disease）的线虫——克氏利氏线虫（*Litylenchus crenatae*）进行的首次从头转录组组装与注释，为未来深入研究这一新兴森林病原体的分子机制提供了基础性的基因组资源。
🧬 生物学
Integrative Re-analysis of miRNA–mRNA Regulatory Networks and Functionally Enriched Pathways in Triple-Negative Breast Cancer
本研究通过对公开的三阴性乳腺癌数据集进行整合再分析，构建了一个包含 689 个 miRNA-mRNA 相互作用的调控网络，并最终将研究结果聚焦于汇聚至 CCNA2、CXCL11 和 FN1 等关键基因的九个优先通路，旨在为未来的实验验证提供框架。
🧬 生物学
Ground-Dwelling Arthropod Community Structure in Endangered Taxus contorta Stands in Northwest Himalayan Temperate Forests
本研究调查了西北喜马拉雅温带森林中濒危针叶红豆杉（*Taxus contorta*）林分内地栖节肢动物的群落结构，揭示了物种丰富度受林冠覆盖度、坡向和季节的显著影响，并强调了新盲蛛目（Opiliones）属的发现，以彰显该地区关键的生物多样性价值。
🧬 生物学
Adaptive branch-gated fusion of dual autoencoder latent representations improves head and neck squamous cell carcinoma classification and supports exploratory candidate gene prioritization
本研究引入了一种自适应深度学习框架，该框架通过融合来自双自编码器的确定性与概率性潜在表示，以实现对头颈鳞状细胞癌的稳健分类，并促进候选基因在生物学研究中的优先级排序。