跳到正文
10月14日周三
  1. Nature Methods72

    LoL-align:灵敏且快速的概率蛋白结构比对方法

    LoL-align 是一种基于距离的概率蛋白结构比对算法,通过迭代优化局部对数几率评分来判断蛋白同源性。作者报告,在单结构域和多结构域基准上,它检测远源同源蛋白的灵敏度明显高于 TM-align 和 Dali,比对质量更好,速度是二者的 5–20 倍,并已完整集成到 Foldseek 中。

    推荐理由:新方法以局部对数几率评分做蛋白结构比对,在远源同源检测上比 TM-align 和 Dali 更灵敏且快 5–20 倍。

  2. Nature Methods80

    MassNet 发布 15 亿张质谱图的 AI-ready 语料库并配套 MSDT 格式

    MassNet 发布面向 AI 的质谱蛋白质组学数据语料库,包含来自 35 个物种、高质量 DDA 质谱数据的 15 亿张串联质谱图,其中约 170 万个肽前体来自人类样本。

    推荐理由:该语料库覆盖 35 个物种的 15 亿张质谱图,并配套标准化存储格式,为质谱蛋白质组学的深度学习提供了可复用的数据底座。

  3. Nature Computational Science75

    HDOCK-Multimer 整合对接与组合组装,提升大蛋白复合物结构预测

    研究提出 HDOCK-Multimer(HDM),将 ab initio 对接与组合组装整合,用于大蛋白复合物结构预测。在 35 个大异源复合物、172 个大蛋白复合物和 7 个 CASP15 靶点三套基准上,HDM 的表现优于 CombFold、MoLPC、AlphaFold-Multimer 和 AlphaFold3。该框架还能在未提供化学计量比输入的情况下预测化学计量比并建模复合物。

    推荐理由:面对大蛋白复合物组装空间过大的难题,该框架把对接与组合组装结合,并在三套基准上与 AlphaFold3 等方法比较。

  4. Bluesky:Dr. Jean Fan (@jef.works)52

    STARIT 方法在 PLOS Computational Biology 发表,用计算机视觉分析空间转录组数据

    Jean Fan 团队的计算方法 STARIT 已在 PLOS Computational Biology 发表,该方法把空间转录组数据当作栅格化图像张量,用计算机视觉 AI 无监督刻画亚细胞分子异质性下的细胞状态。作者在帖中致谢 Dee Velazquez 与团队,代码托管在 github.com/JEFworks-Lab。

10月13日周二
  1. Bioinformatics58

    Seumetry 发布开源 R 工具包,衔接 Seurat 分析高维流式与质谱流式数据

    Seumetry 是一个开源 R 工具包,把流式与质谱流式数据的专用分析方法与 Seurat 的单细胞 RNA 测序分析能力结合起来。它提供高级质控、可视化和细胞群体丰度与蛋白表达的差异分析,作者用自建的人肠道不同层免疫细胞数据集验证其能识别不同免疫细胞群体,并在公开数据集上与人工门控结果一致。

  2. Arc Institute78

    eclair-CLIP构建67个RNA结合蛋白高分辨率结合图谱并训练Pythia模型

    Arc Institute、Biohub、UCSF与Vector Institute团队开发eclair-CLIP,用统一小标签替代逐个抗体,在人类细胞中绘制67个癌症相关RNA结合蛋白(RBP)图谱,以单核苷酸分辨率定位超过900万个RNA结合位点。

    推荐理由:用统一标签的CLIP方法构建67个癌症相关RBP的高分辨率结合图谱,并据此训练可解释的RNA结合预测模型。

10月12日周一
  1. Cell Reports Methods58

    膜靶向 TurboID 实现清醒动物神经元回路 1–2 小时急性邻近标记蛋白质组学

    Anguiano 等人改造出膜靶向 TurboID,并优化标记策略,在清醒动物神经元胞体和轴突末梢实现 1–2 小时的蛋白质标记窗口,用于鉴定各亚细胞区室富集的蛋白。研究针对的是在行为相关时间尺度上捕捉脑内亚细胞定位蛋白质组的工具不足问题,成果发表于 Cell Reports Methods。

10月10日周六
  1. Bioinformatics Advances52

    RT-SRFM:面向发育单细胞时间序列的潜动力学框架

    研究提出 RT-SRFM,一个面向发育单细胞转录组时间序列的分阶段潜动力学框架,将最优传输引导的速度学习、分解式群体增长建模、形状细化与监督式生物学读出整合在同一潜空间中,并通过八阶段课程训练提升局部传输精度、质量校准、命运一致性与长时程推演稳定性。

10月9日周五
  1. Bioinformatics Advances47

    1100 个用于细胞过程动态建模的合成基准问题

    研究构建了 1100 个合成建模问题,基于 22 个已发表建模问题的常微分方程组与实验设计生成,并扩展了近期一种针对随机观测函数的时间序列数据模拟方法,使其覆盖多种实验条件下的真实测量模式。对数据与模型特征、优化性能和参数可识别性的分析显示,该合成问题集在真实性和多样性上扩展了现有问题空间。基准问题与算法已公开。

  2. Nature Computational Science60

    主动学习结合几何深度学习提升数据稀缺下的化学反应预测

    研究团队提出主动学习与几何深度学习结合的闭环流程,用于在数据稀缺条件下预测化学反应结果与位点选择性。他们用基于树集成的主动学习策略指导实验数据采集,构建了 C–H 硼化反应的多样化基准数据集,并训练对称感知的几何图神经网络,加入自监督辅助任务后,反应结果与区域选择性预测表现均有提升。在含 N-杂芳基结构、此前未见底物的前瞻测试中,该流程全部命中正确的硼化位点。

10月8日周四
  1. Bioinformatics42

    FA-MFMR:通过因子增广处理相关纵向暴露的多变量功能孟德尔随机化方法

    FA-MFMR 通过整合遗传工具变量、暴露轨迹的功能表示与低维因子结构,估计多个纵向暴露的时变因果效应。模拟显示其估计误差低于对比方法、不确定性量化更高效,尤其适用于高度相关且稀疏观测的纵向暴露。在帕金森病队列的纵向生物标志物上,该方法刻画了轨迹水平系数函数的年龄依赖模式,并提示局部效应的不确定性;R 包与复现代码已公开。

10月7日周三
  1. Matthias Mann Lab72

    SPARCS 平台在 Cell 发表:结合激光显微切割与全基因组 CRISPR 筛选

    SPARCS 平台在 Cell 发表,将 AI 图像分析、自动激光显微切割与全基因组 CRISPR 筛选结合,可从大型突变文库中按细胞形态分离目标细胞并用质谱做蛋白组分析。Matthias Mann Lab 转述称,该平台用于发现复杂细胞表型背后的基因,论文 DOI 为 10.1016/j.cell.2026.09.021。

10月6日周二
  1. Google Health Blog67

    Google Earth AI 联合全球卫生伙伴,用地理空间模型预测疾病暴发

    Google Research 与 Google Health 发布与全球卫生伙伴合作的新研究论文,展示 Google Earth AI 结合卫星影像、移动数据和 AlphaEarth Foundations、Population Dynamics Foundation Model(PDFM)等基础模型,用于疾病预测与公共卫生决策。

    推荐理由:Google Earth AI 与 WHO、INRB 等机构合作,把地理空间模型用于埃博拉、霍乱、登革热等疾病预测,展示了公共卫生从被动响应转向主动预防的路径。

  2. GigaScience55

    MCMNA:单细胞水平构建帕金森病多尺度转录组网络模型

    研究团队提出基于 metacell 的多尺度网络分析方法 MCMNA,用于系统解析帕金森病黑质 snRNA-seq 数据中的细胞类型特异基因调控结构。该方法通过 metacell 聚合缓解单细胞数据的稀疏性,构建稳健的基因调控网络,并结合基因共表达模块、metacell 差异表达与贝叶斯因果网络,推断候选驱动基因及其层级关系。作者称该多尺度网络模型可为疾病机制研究和治疗靶点优先级排序提供框架。

  3. Nature Biotechnology75

    shotgun 遗传工程实现哺乳动物代谢通路的高通量多重筛选

    研究团队开发 shotgun genetic engineering(SGE),用递送大量带条形码小构建替代单个大构建,让每个细胞携带一条合成通路作为独立实验,再通过测序筛选具有目标表型的细胞。

    推荐理由:用大量带条形码的小构建替代单个大构建,把哺乳动物代谢通路的组合筛选扩展到数百万种,为复杂性状工程提供可迁移策略。

  4. Nature Biotechnology72

    Visionary AI 用视网膜图像与血管建模预测妊娠期高血压疾病

    Visionary AI 是一个可解释平台,将视网膜图像转换为微血管拓扑与几何表征,在临床症状出现前预测妊娠期高血压疾病。在 1,267 例妊娠的前瞻性开发队列中,子痫前期预测达到 AUC = 0.91、AP = 0.81;经稳定性优化的模型未经再训练即迁移至独立外部验证队列,AUC = 0.81、AP = 0.68,优于临床与深度学习基准。

    推荐理由:该平台把视网膜微血管拓扑特征用于妊娠高血压疾病的早期预测,并在独立外部队列中验证了迁移能力。

10月5日周一
  1. Bluesky:Maria Dzunkova (@dzunkovam.bsky.social)42

    Ana Conesa 团队在 Nature Communications 发表长读长 RNA-seq 转录本检测策略比较论文

    Ana Conesa 团队在 Nature Communications 发表长读长 RNA-seq 研究,比较"先合并 reads 再检测转录本(Join & Call)"与"逐样本检测再合并(Call & Join)"两种策略。研究使用 PacBio 与 ONT 数据、6 款工具并设置多个重复,结论是策略优劣取决于所用工具。

10月2日周五
10月1日周四
9月30日周三
  1. 中国科学院遗传与发育生物学研究所72

    段力辉团队开发 OpenFISH 技术,实现空间组织原位转录与代谢联合分析

    中国科学院遗传与发育生物学研究所段力辉团队开发 OpenFISH,可在同一张组织切片上连续完成空间转录组与 MALDI-MSI 空间代谢组检测。该方法通过模块化探针设计和单轮基因编码将空间转录组成本降低约 95%,并借助导电玻片预处理与 MALDI-MSI 后组织成胶、透明化实现两模态兼容。

    推荐理由:该工作把成像空间转录组与 MALDI-MSI 代谢组放在同一张切片上,并给出约 95% 的转录组成本降幅,做空间多组学的人可关注其兼容方案。