NCBI 推出 RNA-Seq Gene Feature Counts 数据资源
NCBI 发布面向全部公开人类和小鼠 SRA 数据的 RNA-Seq Gene Feature Counts，通过 AWS Registry of Open Data 免费开放。
推荐理由：公共 SRA 的人和小鼠 RNA-Seq 数据有了统一流程算出的基因特征计数，做大规模表达分析前可先据此筛选。
研究方向
分析流程 最新动态
生信分析流程与工作流引擎：Nextflow、Snakemake、标准化流程与可复现性。
8 条精选近 30 天 8 条共收录 100 条
更新
分析流程的精选
NCBI Insights精选AI 评分8080
Nature Methods精选AI 评分7272 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。
Nature Computational Science精选AI 评分7878 HDOCK-Multimer 整合对接与组合组装提升大型蛋白复合物结构预测
HDOCK-Multimer（HDM）是一个整合对接与组合组装的框架，用于预测大型蛋白复合物结构，在 35 个大型异源复合物、172 个大型蛋白复合物和 7 个 CASP15 靶点三个基准上优于 CombFold、MoLPC、AlphaFold-Multimer 和 AlphaFold3。
推荐理由：面对多链组合空间过大的难题，该框架把对接与组合组装结合，在三个基准上超过现有方法。
Arc Institute精选AI 评分7878 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。
Google Health Blog精选AI 评分6767 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。
Nature Biotechnology精选AI 评分7474 shotgun 遗传工程实现哺乳动物细胞高通量代谢通路筛选
研究团队开发 shotgun genetic engineering（SGE），把通路拆成多个带条形码的小构建体分别导入哺乳动物细胞，以单细胞为独立实验筛选基因组成、化学计量和细胞器定位的组合。
推荐理由：把大片段通路拆成多个带条形码的小构建体并行导入细胞，为哺乳动物代谢工程提供了可扩展的组合筛选思路。
Nature Biotechnology精选AI 评分7272 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。
中国科学院遗传与发育生物学研究所精选AI 评分7272 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。