Barcoding biology: Chemotype predicts variation in genotype, physiology, and stress response
该研究利用果蝇的傅里叶变换红外光谱结合机器学习，证明“化学型”（chemotypes）能够作为整合生物变异的有效代理，从而预测基因型、生理状态及对环境胁迫的响应。
📄 Category
systems biology
104 篇论文
系统生物学不再将生命视为孤立零件的堆砌，而是试图理解细胞内无数分子如何像交响乐般协同运作。这一领域通过整合海量数据，揭示基因、蛋白质与环境之间复杂的互动网络，让我们从整体视角去解读生命的奥秘，而非仅仅关注单一环节。
在 Gist.Science 上，我们持续追踪并处理来自 bioRxiv 的最新预印本，确保您能第一时间接触到这些前沿探索。每一篇入选的系统生物学论文，都经过我们团队的深度解读，提供通俗易懂的科普摘要与详尽的技术解析，让专业研究变得触手可及。
下方为您呈现该领域最新的预印本列表，带您走进从数据到生命图景的精彩旅程。
Cross-Species Translation Enhances the Use of Mouse Models for Translatability and Drug Discovery in Late-Onset Alzheimer's Disease
该研究通过开发跨物种转录组学框架 TransComp-R，成功利用小鼠模型预测并验证了靶向睡眠 - 觉醒周期的药物（如苏沃雷生）可通过降低人类脑脊液中磷酸化 tau 水平来治疗晚发性阿尔茨海默病，从而显著提升了小鼠模型在药物发现中的转化价值。
Integrating metagenome-scale metabolic modelling and metabolomics to identify biochemical interactions in Microcystis phycospheres
该研究通过整合宏基因组、代谢组与代谢建模方法，揭示了微囊藻（*Microcystis*）藻际群落中宿主与微生物组在代谢功能上的解偶联现象、细菌对系统代谢潜力的扩展作用以及代谢产物主要由微囊藻驱动的特征，从而深化了对藻际生态相互作用及其在藻华形成中关键作用的理解。
FASTERCC: Accelerating Flux Consistency Testing and Context-Specific Reconstruction for Large-Scale Metabolic Network Models
本文介绍了 FASTERCC，一种通过利用网络结构信息预先移除死端并修正反应可逆性，从而将大规模代谢网络模型的一致性测试速度提升 20 倍并显著加速下游分析的新算法。
A Computational Model of Tumor Interactions with Bone-Resident Cells Predicts Tumor-Type-Specific Responses to Perturbations
该研究通过整合机制性种群动力学模型与体内实验数据，揭示了肿瘤细胞对骨微环境的适应性决定了其对骨源性生长因子的依赖程度，并预测了针对破骨细胞的疗法仅对未适应型肿瘤有效，而对已适应型肿瘤疗效有限，从而强调了根据肿瘤类型制定个性化治疗策略的重要性。
New perspectives in assessing environmental risks for birds: a simple TKTD framework to link growth and reproduction energy budget to chemical stress
本文提出了一种名为 BIRDkiss 的开源 R 语言模型框架，该框架通过结合简化的动态能量预算（DEBkiss）与毒物动力学 - 毒物动力学（TKTD）机制，利用贝叶斯推断有效评估了农药暴露、食物资源变化及其混合物对鸟类生长和繁殖的累积生态风险。
Canonical Analysis of Fluorescent Timer-Anchored Transcriptomes Resolves Joint Temporal and Developmental Progression
该研究开发了 mCanonicalTockySeq 框架，通过结合荧光计时器锚定的信号历史与单细胞转录组数据，成功构建了同时解析 T 细胞发育进程与时间动态的联合状态空间，并实现了跨物种（小鼠至人类）的发育时序比较分析。
MICA: Model-Informed Change-point Analysis
本文提出了一种名为 MICA 的模型驱动变点检测算法，该算法通过结合二分法与遗传算法，最小化动力学模型模拟与观测数据间的差异，从而在无需特定统计假设的情况下，同时识别时间序列中模型参数的变化时机与性质，并广泛应用于流行病学及工业监测等场景。
GeNETop: Context-Specific Genome-Scale Constrained Models Using Network Topology, Flux Variability, and Transcriptomics
本文提出了 GeNETop 方法，通过整合网络拓扑、通量变异性分析和转录组数据，构建了能够兼容动态模拟且保留瞬态代谢转换能力的上下文特异性基因组尺度代谢模型。
Interpretable machine learning meets systems biology to decode genotype-phenotype maps
该研究通过结合可解释机器学习与系统生物学，成功克服了连锁不平衡对 QTL 解析的限制，不仅实现了高精度的基因型 - 表型预测，还深入揭示了包括 MKT1、IRA2 及 PDR8 在内的关键因果基因及其背后的分子机制。