论文速读 · 2026-05-20

抓取窗口：2026-05-13 ~ 2026-05-20 共 30 篇

📚 目录#

arXiv q-bio（10 篇）
bioRxiv（10 篇）
PubMed（10 篇）

arXiv q-bio#

1. Drivers of Transient Dynamics and Persistence in Dengue: Insights from Sensitivity and Stochastic Modeling ↗#

作者：Cesar Alberto Rosales-Alcantar, Marcos A. Capistrán
发表日期：2026-05-20
分类：q-bio.PE
Paper ID：arxiv:2605.21787v1

核心贡献#

提出含减毒免疫、外源感染、垂直传播的随机媒介-宿主登革热模型，通过 Sobol 敏感性分析发现媒介-宿主比率和宿主恢复率是影响季节性疫情的最关键参数（超过接触率），建议优先采取「保护感染者免于蚊虫叮咬」的防控策略。模型还揭示了地方性流行期毒株共存的生态位机制。

技术栈#

语言/框架：未提及
模型/算法：随机媒介-宿主模型（含减毒免疫 + 外源感染 + 垂直传播）、多变量 Sobol 敏感性分析
关键库与工具：未提及
数据集：未提及（方法论论文，未使用实际现场数据验证）
开源情况：未提及

上手难度#

前置知识：传染病动力学建模、随机过程、敏感性分析
算力需求：中等：单次模型求解预计用 8–32 核 CPU、32–64GB RAM；参数扫描或 ensemble simulation 建议 HPC 并行，通常耗时数小时至数天，GPU 不是必需（推算，依据：动力学/PDE/随机模拟）
复现成本：中等 — 模型方程完整，但需自写代码
适合谁读：传染病流行病学研究者、公共卫生政策建模者

一句话总结#

登革热防控优先保护感染者免于蚊虫叮咬，而非一味降低接触率。

2. Regularizing and Normalizing DAGs and Phylogenetic Networks ↗#

作者：Marc Hellmuth, Anna Lindeberg, Vincent Moulton
发表日期：2026-05-20
分类：q-bio.PE, math.CO
Paper ID：arxiv:2605.21725v1

核心贡献#

提出 LCA-based 的 DAG 简化方法 i-regularization，能保留叶集大小 ≤i 的唯一最近公共祖先顶点，并与现有的 normalization 方法统一在同一框架下。解决了系统发育网络中「哪些结构可被安全移除」的核心问题。

技术栈#

语言/框架：未提及
模型/算法：LCA-based regularization、graph-editing 操作符 ⊖、Hasse 图、可见性分析
关键库与工具：未提及
数据集：未提及（理论/图论论文）
开源情况：未提及

上手难度#

前置知识：图论、系统发育网络、DAG（有向无环图）、组合数学
算力需求：中等：预计需 16–32 核 CPU、32–128GB RAM；大规模 alignment、phylogeny 或 network reconstruction 适合按样本并行，运行数小时至数天（推算，依据：进化/网络生物信息学分析）
复现成本：中等 — 算法描述清晰但需从头实现
适合谁读：系统发育学理论研究者、图算法研究者

一句话总结#

为系统发育网络提供统一的简化框架，说清哪些结构可以安全删掉。

3. bioETH-PRS: Confidential Polygenic Risk Scoring without a Trusted Evaluator via Fully Homomorphic Encryption on a Programmable Blockchain ↗#

作者：Kimon Antonios Provatas, Christos Galanopoulos, Ilias Georgakopoulos-Soares
发表日期：2026-05-20
分类：q-bio.GN
Paper ID：arxiv:2605.21634v1

核心贡献#

提出 bioETH-PRS 协议：用全同态加密（TFHE）+ 可编程区块链（fhEVM）替代可信评估方，在完全加密域内计算多基因风险评分（PRS）点积，使基因型和 GWAS 权重全程对外部保密。引入三步定点量化方案，在验证夹具上达到机器精度重建。

技术栈#

语言/框架：Solidity（智能合约）、未提及链下语言
模型/算法：TFHE 全同态加密、定点量化（signed→unsigned 64-bit）、PRS 点积
关键库与工具：fhEVM（支持 FHE 的以太坊虚拟机）
数据集：真实 GWAS 夹具（fixtures）
开源情况：未提及

上手难度#

前置知识：全同态加密、区块链智能合约、多基因风险评分、GWAS
算力需求：未提及
复现成本：困难 — 需要 fhEVM 测试网环境 + 密码学背景
适合谁读：隐私计算研究者、基因组数据安全工程师

一句话总结#

全同态加密与区块链实现隐私保护遗传风险评分。

4. BlockFormer: Transformer-based inference from interaction maps ↗#

作者：Eloïse Touron, Pedro L. C. Rodrigues, Julyan Arbel, Nelle Varoquaux, Michael Arbel
发表日期：2026-05-20
分类：cs.LG, q-bio.QM
Paper ID：arxiv:2605.21617v2

核心贡献#

提出 BlockFormer——用 Transformer 从 Hi-C 等交互图谱中推断基因组参数（如着丝粒位置）。核心创新是用自定义模拟器生成大量合成数据训练，处理真实数据中实体数量和块大小的可变性。在多种基因组大小的物种上准确恢复着丝粒位置。

技术栈#

语言/框架：未提及
模型/算法：Transformer（处理可变数量/大小的交互块）、自定义模拟器
关键库与工具：Hi-C 分析相关工具（未具体列出）
数据集：合成数据 + 多物种 Hi-C 数据
开源情况：未提及

上手难度#

前置知识：Transformer 架构、基因组三维结构（Hi-C）、着丝粒生物学
算力需求：中高：模型训练预计需 1–2 张 16–24GB GPU、32–64GB RAM；若仅运行 tree-based model 可退化到 8–16 核 CPU，完整交叉验证通常耗时数小时至 2 天（推算，依据：机器学习/深度学习训练）
复现成本：中等 — 模拟器需自行实现，跨物种验证数据可得
适合谁读：三维基因组学研究者、基因组结构预测工程师

一句话总结#

Transformer从Hi-C图跨物种定位着丝粒。

5. ProtoPathway: Biologically Structured Prototype-Pathway Fusion for Multimodal Cancer Survival Prediction ↗#

作者：Amaya Gallagher-Syed, Costantino Pitzalis, Myles J. Lewis, Michael R. Barnes, Gregory Slabaugh
发表日期：2026-05-20
分类：cs.CV, q-bio.QM, q-bio.TO
Paper ID：arxiv:2605.21454v1

核心贡献#

提出 ProtoPathway，可解释多模态癌症生存预测框架：病理侧用可学习形态学原型 token 表示 WSI 切片，基因组侧用二分图神经网络在 Reactome 通路层级上编码基因表达，跨模态注意力在原型×通路矩阵上以「分子程序驱动组织形态」的生物学方向运作。在五个 TCGA 癌症队列上达到竞争性或更优性能，且可解释性显著增强。

技术栈#

语言/框架：Python
模型/算法：可学习原型（prototype learning）、二分图神经网络、跨模态注意力、Reactome 通路层级
关键库与工具：Reactome 通路数据库
数据集：五个 TCGA 癌症队列
开源情况：代码、模型权重、Reactome 通路、统一基线复现代码均开源 https://github.com/AmayaGS/ProtoPathway ↗

上手难度#

前置知识：多模态学习、计算病理学、通路生物学、图神经网络
算力需求：中高：模型训练预计需 1–2 张 16–24GB GPU、32–64GB RAM；若仅运行 tree-based model 可退化到 8–16 核 CPU，完整交叉验证通常耗时数小时至 2 天（推算，依据：机器学习/深度学习训练）
复现成本：容易 — 完整代码和模型权重已开源
适合谁读：计算病理学研究者、多模态 AI + 生物医学交叉方向

一句话总结#

病理与通路双模态模型可解释预测癌症生存。

6. HiRes: Inspectable Precedent Memory for Reaction Condition Recommendation ↗#

作者：Shreyas Vinaya Sathyanarayana, Raja Sekhar Pappala, Deepak Warrier
发表日期：2026-05-20
分类：cs.LG, cs.AI, q-bio.MN
Paper ID：arxiv:2605.21420v1

核心贡献#

提出 HiRes（Hierarchical Reaction Representations），一种检索增强的化学反应条件推荐系统。结合图编码器、transformation-aware 交叉注意力和 k-NN 检索层，在 USPTO-Condition 基准上催化剂/溶剂/试剂 Top-1 准确率达 0.929/0.534/0.530，并在溶剂和试剂预测上显著优于纯参数化方法。检索到的先例可直接作为化学家可审查的证据。

技术栈#

语言/框架：未提及
模型/算法：图编码器、transformation-aware 交叉注意力、多流反应融合、k-NN 检索
关键库与工具：USPTO-Condition 数据集
数据集：USPTO-Condition
开源情况：未提及

上手难度#

前置知识：图神经网络、化学反应表示学习、检索增强生成
算力需求：中高：模型训练预计需 1–2 张 16–24GB GPU、32–64GB RAM；若仅运行 tree-based model 可退化到 8–16 核 CPU，完整交叉验证通常耗时数小时至 2 天（推算，依据：机器学习/深度学习训练）
复现成本：中等 — 方法描述清晰但需复现多个组件
适合谁读：AI 化学研究者、合成规划工程师、药物发现领域

一句话总结#

反应条件推荐同时提供可审查化学先例。

7. A simple model of co-emergence of grid and place fields ↗#

作者：Zhaoze Wang, Genela Morris, Dori Derdikman, Pratik Chaudhari, Vijay Balasubramanian
发表日期：2026-05-20
分类：q-bio.NC
Paper ID：arxiv:2605.21356v1

核心贡献#

首个用单一目标（预测下一感官观测）训练的循环网络中，网格细胞和位置细胞自然共涌现的模型，无需对任何一种细胞类型做监督。网络遵循 Dale 定律，在 1000 种训练配置下均出现两种空间编码，并能复现网格碎片化、合并、对齐等 7 种已知实验现象。

技术栈#

语言/框架：未提及
模型/算法：循环神经网络（RNN，含兴奋/抑制神经元，Dale’s Law）、感官预测目标
关键库与工具：未提及
数据集：合成感官观测序列（模拟空间导航）
开源情况：未提及

上手难度#

前置知识：计算神经科学、空间导航神经机制、循环网络
算力需求：中等：单次模型求解预计用 8–32 核 CPU、32–64GB RAM；参数扫描或 ensemble simulation 建议 HPC 并行，通常耗时数小时至数天，GPU 不是必需（推算，依据：动力学/PDE/随机模拟）
复现成本：中等 — 模型简单但需重现实验条件
适合谁读：计算神经科学研究者、海马-内嗅皮层研究者

一句话总结#

预测下一时刻输入即可涌现网格细胞和位置细胞。

8. Stimulus symmetries can confound representational similarity analyses ↗#

作者：Farhad Pashakhanloo, Jacob A. Zavatone-Veth
发表日期：2026-05-20
分类：q-bio.NC, cs.LG
Paper ID：arxiv:2605.21324v1

核心贡献#

揭示刺激对称性可能导致表征相似性矩阵（RSM）产生误导性结论——功能等价的表征可产生不同 RSM，SGD 或能量正则化也导致 RSM 漂移。在用图像数据训练的网络中验证了该现象，说明了比较非线性神经编码时仅靠 RSM 的局限性。

技术栈#

语言/框架：未提及
模型/算法：SGD、能量正则化、表征相似性分析（RSA）
关键库与工具：未提及
数据集：图像数据（具体数据集未提及）
开源情况：未提及

上手难度#

前置知识：计算神经科学、表征学习、RSA 方法学
算力需求：低至中等：8–16 核 CPU、16–32GB RAM 可完成统计拟合、传统 ML 与交叉验证；样本量在数百至数千时通常数分钟至数小时，无需专用 GPU（推算，依据：统计/传统机器学习分析）
复现成本：中等 — 理论清晰但需搭建验证实验
适合谁读：计算神经科学方法学研究者、表征学习理论研究者

一句话总结#

刺激对称性会使RSA误判功能等价表征。

9. How hate spreads online and why it returns: Re-entrant phases driven by collective behavior ↗#

作者：Chen Xu, Pak Ming Hui, Chenkai Xia, Neil F. Johnson
发表日期：2026-05-20
分类：physics.soc-ph, econ.GN, nlin.AO, q-bio.PE
Paper ID：arxiv:2605.21129v1

核心贡献#

提出融合 SIR 动力学的两物种聚并-裂变模型，解释仇恨内容在线上的传播机制。数值解和平均场理论（EMT/BEMT）均揭示「重入相变」行为：随着仇恨社群比例变化，系统可能从传播→不传播→再回到传播。该发现警告单纯减少仇恨社群数量的政策可能适得其反。

技术栈#

语言/框架：未提及
模型/算法：聚并-裂变模型 + SIR 动力学、有效介质理论（EMT）、超越有效介质理论（BEMT）
关键库与工具：未提及
数据集：基于已发表的实证特征建模（未提供具体来源）
开源情况：未提及

上手难度#

前置知识：统计物理、复杂网络、传播动力学、平均场近似
算力需求：中等：单次模型求解预计用 8–32 核 CPU、32–64GB RAM；参数扫描或 ensemble simulation 建议 HPC 并行，通常耗时数小时至数天，GPU 不是必需（推算，依据：动力学/PDE/随机模拟）
复现成本：中等 — 模型方程完整但需自行编码
适合谁读：社会物理学研究者、网络传播研究者、平台治理政策制定者

一句话总结#

过度清理仇恨社群可能触发传播反弹。

10. Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport ↗#

作者：Mehmet Yigit Balik, Harri Lähdesmäki
发表日期：2026-05-20
分类：cs.LG, q-bio.GN
Paper ID：arxiv:2605.20989v1

核心贡献#

提出结合潜在异方差高斯过程（GP）+ 最优传输（OT）的单细胞 RNA-seq 时序建模框架。用 Hilbert 空间方法近似 GP 建模群体趋势，用 OT 对齐生成分布与观测分布以处理无真正细胞轨迹的问题。引入细胞特异性潜在时间和类型条件来解耦时间异步与分化轨迹。在插值和外推基准上达 SOTA。

技术栈#

语言/框架：未提及
模型/算法：异方差高斯过程（Hilbert 空间近似）、最优传输（OT）、生成模型
关键库与工具：未提及
数据集：scRNA-seq 插值/外推基准数据
开源情况：未提及

上手难度#

前置知识：高斯过程、最优传输理论、单细胞转录组学
算力需求：中高：预处理与整合预计需 16–32 核 CPU、64–128GB RAM；若训练 VAE/GNN 等深度模型，建议 1 张 24GB GPU，数万细胞规模通常需数小时至 1 天（推算，依据：single-cell/spatial/multi-omics 数据）
复现成本：中等 — 方法框架清晰但组件较多
适合谁读：单细胞计算生物学研究者、时序建模方法开发者

一句话总结#

高斯过程与最优传输重建单细胞时序轨迹。

bioRxiv#

1. Design of DNA Aptamers for Lyme disease Diagnosis Combining experimental and numerical approaches ↗#

作者：Issouani, E. M., Da Ponte, H., Guerin, M., Padiolleau-Lefevre, S., Maffucci, I., Davila Felipe, M. 等
发表日期：2026-05-18
分类：bioinformatics
Paper ID：biorxiv:10.64898/2026.05.13.724892

核心贡献#

提出实验+计算结合的适配体设计全流程：先用 13 轮 SELEX 筛选获取候选序列，再用受限玻尔兹曼机（RBM）+ word2vec/n-gram 文本分析方法在硅片上生成并筛选新序列，最终实验验证。针对莱姆病病原体 Borrelia burgdorferi 表面蛋白 CspZ 设计 DNA 适配体用于诊断。

技术栈#

语言/框架：未提及
模型/算法：受限玻尔兹曼机（RBM）、word2vec、n-gram、SELEX 实验筛选
关键库与工具：未提及
数据集：SELEX 第 13 轮筛选数据（实验产生）
开源情况：未提及

上手难度#

前置知识：SELEX 实验方法、机器学习（RBM、NLP 嵌入）、适配体生物学
算力需求：中高：批量 docking 建议 16–32 核 CPU、64GB RAM；若包含后续 MD 验证，建议增加 1–4 张 24GB 以上 GPU，整体耗时数小时至数天（推算，依据：分子对接与结构验证）
复现成本：困难 — 需要 SELEX 湿实验 + 计算管道
适合谁读：适配体设计研究者、莱姆病诊断开发者、SELEX + ML 交叉方向

一句话总结#

RBM与词嵌入进化出更优莱姆病诊断适配体。

2. Methodological pitfalls in plant pangenome gene family identification may lead to biased evolutionary inferences ↗#

作者：Liu, S., Zhang, W., Yu, P.
发表日期：2026-05-18
分类：genomics
Paper ID：biorxiv:10.64898/2026.05.15.725319

核心贡献#

系统比较了 OrthoFinder、cd-hit、MMseqs2 及其组合在植物泛基因组基因家族鉴定中的效果。发现纯序列相似性聚类会错误合并不同直系同源组，导致核心/壳/云基因分类偏移，Ka/Ks 选择压力估计对方法极为敏感。推荐「先图基直系同源推断，再序列相似性精炼」的两步策略。

技术栈#

语言/框架：未提及
模型/算法：OrthoFinder（图基直系同源推断）、cd-hit、MMseqs2
关键库与工具：OrthoFinder、cd-hit、MMseqs2
数据集：401 个水稻泛基因组材料，5 个转录因子家族（bHLH, MYB, NAC, WRKY, MADS-box）
开源情况：未提及

上手难度#

前置知识：比较基因组学、泛基因组学、直系同源推断方法
算力需求：中高：预计需 16–32 核 CPU、64–128GB RAM 和数百 GB 临时存储；大队列 assembly、alignment 或 variant analysis 建议使用 HPC 并行运行数小时至数天（推算，依据：大规模基因组/测序数据处理）
复现成本：容易 — 使用公开工具和数据
适合谁读：植物基因组学研究者、泛基因组方法学研究者

一句话总结#

泛基因组基因家族分析需结合系统发育信息。

3. Selecting genomes that matter: haplotype-based prioritization for iterative pangenome expansion ↗#

作者：Marone, M. P., Chen, E., Himmelbach, A., Haberer, G., Spannagl, M., Stein, N. 等
发表日期：2026-05-18
分类：genomics
Paper ID：biorxiv:10.64898/2026.05.13.724976

核心贡献#

提出 SelHap——基于单倍型的迭代泛基因组扩展流程。用全基因组测序数据评估新增材料相对于已有背景的单倍型新颖性，优先进择贡献新序列的个体。在大麦泛基因组上验证，SelHap 策略一致地最大化非冗余序列增长，优于传统多样性指标选样。

技术栈#

语言/框架：未提及
模型/算法：单倍型聚类、迭代泛基因组扩展策略
关键库与工具：SelHap 流程（自定义）
数据集：76 个已组装大麦基因组 + 大麦 WGS 面板
开源情况：未提及

上手难度#

前置知识：泛基因组学、单倍型分析、基因组组装
算力需求：中高：预计需 16–32 核 CPU、64–128GB RAM 和数百 GB 临时存储；大队列 assembly、alignment 或 variant analysis 建议使用 HPC 并行运行数小时至数天（推算，依据：大规模基因组/测序数据处理）
复现成本：中等 — 方法清晰但需配置计算环境
适合谁读：泛基因组学研究者、种质资源管理者、作物育种者

一句话总结#

单倍型新颖性优于多样性指导泛基因组扩样。

4. Deep analysis of FANTOM CAGE data reveals hierarchical patterns of TSS co-deployment hubs and their disruption in cancers ↗#

作者：Meduri, R., Satish, A. L., Singh, U.
发表日期：2026-05-18
分类：genomics
Paper ID：biorxiv:10.64898/2026.05.15.725323

核心贡献#

用深度学习分析 FANTOM CAGE 数据，发现正常组织中转录起始位点（TSS）的共部署遵循「核心共变」简约模式——近端 TSS 作为 epromoter 协调多个启动子的转录活动，富含 YY1/CTCF 结合位点。癌症中这种核心结构被破坏，远端 TSS 异常替代近端核心 TSS。

技术栈#

语言/框架：未提及
模型/算法：神经网络（用于无偏识别核心-共变 TSS 集合）
关键库与工具：FANTOM CAGE 数据库
数据集：FANTOM CAGE 数据（正常 vs 癌症）
开源情况：未提及

上手难度#

前置知识：转录调控、CAGE 数据分析、深度学习
算力需求：中高：预计需 16–32 核 CPU、64–128GB RAM 和数百 GB 临时存储；大队列 assembly、alignment 或 variant analysis 建议使用 HPC 并行运行数小时至数天（推算，依据：大规模基因组/测序数据处理）
复现成本：中等 — 需要熟悉的 CAGE 数据处理 + DL 管道
适合谁读：转录调控研究者、癌症表观基因组学研究者

一句话总结#

癌症中远端TSS扰乱转录起始位点协同。

5. Genomic analysis of BCG unresponsive non-muscle-invasive bladder cancer identifies drivers of sensitivity to intravesical Gemcitabine/Docetaxel ↗#

作者：Yim, K., Vergara, M., Lee, J., Reardon, B., Park, J., Melnick, K. 等
发表日期：2026-05-18
分类：genomics
Paper ID：biorxiv:10.64898/2026.05.10.724123

核心贡献#

对 BCG 无应答非肌层浸润性膀胱癌（NMIBC）患者进行全外显子组测序，发现应答者（RFS>12个月）携带 DNA 修复通路突变（如 BAP1、BRCA2），可能增加化疗敏感性；无应答者携带 FGFR3 突变、更高肿瘤突变负荷和全基因组加倍。为 Gem/Doce 膀胱灌注化疗提供了生物标志物驱动的分层依据。

技术栈#

语言/框架：未提及
模型/算法：Cancer Genome Analysis pipeline、ABSOLUTE（拷贝数推断）、PhylogicNDT（克隆结构重建）
关键库与工具：ABSOLUTE、PhylogicNDT
数据集：23 例 BCG 无应答 NMIBC 患者肿瘤样本（全外显子组测序）
开源情况：未提及

上手难度#

前置知识：癌症基因组学、突变签名分析、克隆进化
算力需求：低至中等：普通 8–16 核 CPU、16–32GB RAM 可运行单样本或交互式分析；批量 workflow 建议 32–64GB RAM 和任务队列，无需专用 GPU（推算，依据：数据库查询/生信 pipeline）
复现成本：困难 — 样本量小（n=23），需更大队列验证
适合谁读：膀胱癌临床研究者、癌症基因组学研究者、精准肿瘤学方向

一句话总结#

BRCA2关联化疗应答，FGFR3关联耐药。

6. Evaluating open LLMs for agentic analysis orchestration in a typical biomedical lab ↗#

作者：Nekrutenko, A.
发表日期：2026-05-18
分类：bioinformatics
Paper ID：biorxiv:10.64898/2026.05.13.724985

核心贡献#

在典型生物医学实验室场景（变异检测）中测试了用本地开源 LLM 替代前沿付费模型执行重复性分析步骤的可行性。用 Claude Opus 编写分析计划，6 个 2026 年发布的开源模型在桌面 GPU 上执行。qwen3.6:27b 在所有计划上达到与 Opus 相同的准确率，在 36 格错误注入矩阵中逐格匹配。低于 2000 美元的 Jetson 或 Mac Mini 即可运行。

技术栈#

语言/框架：未提及
模型/算法：qwen3.6:27b、多种 2026 年开源 LLM、agentic 编排
关键库与工具：变异检测工具（未具体列出）
数据集：变异检测基准 + 36 格错误注入矩阵
开源情况：计划、测试框架、评分代码、结果均在 https://github.com/nekrut/LLM-eval-paper ↗ 开源

上手难度#

前置知识：生物信息学流程、LLM agentic 框架、变异检测
算力需求：未提及
复现成本：容易 — 全套代码和计划已开源
适合谁读：生物信息学实验室负责人、LLM 应用研究者、预算有限的课题组

一句话总结#

开源小模型跑生物信息流程已达前沿模型水准，两千美元硬件就够。

7. Ensemble Post-hoc Explainable AI for Multilead ECG: Identifying Disease-Relevant Features in Single-Lead Interpretations ↗#

作者：Metsch, J., Hempel, P., Maurer, M. C., Spicher, N., Hauschild, A.-C., Steinhaus, K. E.
发表日期：2026-05-18
分类：bioinformatics
Paper ID：biorxiv:10.1101/2025.02.14.638219

核心贡献#

在 12 导联 ECG 异常分类（1D-ResNet + CODE 数据集训练 + PTB-XL 验证）上系统评估 16 种事后可解释 AI（XAI）方法。发现 DeepLift、DeepLiftShap、Occlusion 一致地高亮临床相关特征，而 LIME、KernelShap、LRP 则失败。提出集成多数投票方法验证模型是否学习了临床有意义的特征。

技术栈#

语言/框架：PyTorch
模型/算法：1D-ResNet、16 种 XAI 方法（DeepLift、DeepLiftShap、Occlusion、LIME、KernelShap、LRP 等）
关键库与工具：未提及具体 XAI 库
数据集：CODE（巴西，训练）、PTB-XL（德国，验证）
开源情况：未提及

上手难度#

前置知识：ECG 信号处理、深度学习、可解释 AI 方法
算力需求：中高：模型训练预计需 1–2 张 16–24GB GPU、32–64GB RAM；若仅运行 tree-based model 可退化到 8–16 核 CPU，完整交叉验证通常耗时数小时至 2 天（推算，依据：机器学习/深度学习训练）
复现成本：中等 — 使用公开数据集，但 XAI 评估流程需自行搭建
适合谁读：医学 AI 研究者、心电图分析工程师、XAI 方法学研究者

一句话总结#

ECG解释方法评测中DeepLift优于LIME。

8. On the applicability domain of HADDOCK3 for protein-aptamer docking: documented failure modes from a 5x7 cross-target screening matrix and a 1676 aa receptor case study (P01031) ↗#

作者：Dohi, E.
发表日期：2026-05-18
分类：bioinformatics
Paper ID：biorxiv:10.64898/2026.05.11.724398

核心贡献#

用 5×7=35 格交叉靶标筛选矩阵系统评估 HADDOCK3 在蛋白-适配体对接中的适用域。发现 12 种操作层面的失败模式（归为 5 大类），核心案例 P01031（补体 C5, 1676 aa, ≥12 结构域）在盲 AIR 协议下产生假阳性高分，根因在 AIR 项异常偏高。提出 pLDDT 感知的 AIR 预过滤器，Jaccard 恢复率提升约 10 倍。

技术栈#

语言/框架：未提及
模型/算法：HADDOCK3（分子对接）、AlphaFold（受体建模）、Boltz-2（共折叠链对 ipTM）、QSAR 适用域概念
关键库与工具：HADDOCK3、AlphaFold、Boltz-2
数据集：5 受体 × 7 适配体交叉矩阵（含 n=4 KD 校准子集）
开源情况：未提及

上手难度#

前置知识：分子对接、蛋白-核酸相互作用、AlphaFold 结构预测
算力需求：高：单次结构推理预计需 1 张 24–48GB GPU 和 32–64GB RAM；批量 benchmark、微调或结构 refinement 建议 2–4 张高端 GPU，耗时数小时至数天（推算，依据：蛋白质 foundation model/结构生成）
复现成本：中等 — 方法描述详细但需熟悉对接软件
适合谁读：计算结构生物学研究者、蛋白-适配体对接实践者

一句话总结#

大蛋白对接的HADDOCK3高分或为AIR假阳性。

9. Global identification of neuronal and astrocytic integral membrane proteins that require Retromer for their endosomal recycling ↗#

作者：Jones, E., Adams, H., Chen, K.-E., Maroof, F., Ibbotson, T. M., Nakamura, Y. 等
发表日期：2026-05-18
分类：molecular biology
Paper ID：biorxiv:10.64898/2026.05.14.724903

核心贡献#

用细胞表面限制性蛋白质组学鉴定依赖 Retromer 复合体（SNX3/SNX12-Retromer 和 SNX27-Retromer）进行内体循环回到质膜的神经元和星形胶质细胞整合膜蛋白。发现 SNX27-Retromer 通过回收谷氨酸转运体 EAAT3/EAAT1 来调控谷氨酸跨膜运输，Retromer 缺陷导致内体膨胀。为神经退行性疾病提供新机制线索。

技术栈#

语言/框架：未提及
模型/算法：细胞表面限制性蛋白质组学
关键库与工具：ProteomeXchange（数据编号 PXD078277）
数据集：原代大鼠皮层神经元 + 星形胶质细胞
开源情况：蛋白质组学数据已上传 ProteomeXchange: PXD078277

上手难度#

前置知识：内体运输、神经退行性疾病、蛋白质组学
算力需求：低（计算部分）：普通 8 核 CPU、16–32GB RAM 可完成统计、作图与常规序列分析，无需 GPU；主要资源消耗来自实验仪器、样本和重复验证（推算，依据：实验为主的研究设计）
复现成本：困难 — 需大量湿实验（原代细胞培养 + 蛋白质组学）
适合谁读：神经退行性疾病研究者、细胞生物学（内体运输）研究者

一句话总结#

Retromer调控神经元谷氨酸转运体回收。

10. Deciphering context-dependent epigenetic program by network-based prediction of clustered open regulatory elements from single-cell chromatin accessibility ↗#

作者：Park, S., Ma, S., Lee, W., Park, S. H.
发表日期：2026-05-20
分类：bioinformatics
Paper ID：biorxiv:10.64898/2026.03.17.712366

核心贡献#

本文提出 enCORE，仅凭 single-cell ATAC-seq 构建 enhancer-enhancer interaction network，以识别跨数十至数百 kb 的 Clustered Open Regulatory Elements。该框架重现造血层级和谱系调控程序，并在结直肠癌中捕获 tumor-associated H3K27ac landscape、通过 in silico perturbation 将 USP7 列为潜在治疗候选。

技术栈#

语言/框架：未提及
模型/算法：enCORE、enhancer-enhancer interaction network、CORE identification 与 in silico perturbation
关键库与工具：single-cell ATAC-seq；具体软件库未提及
数据集：造血系统与结直肠癌的单细胞染色质可及性数据、H3K27ac landscape 及免疫疾病 fine-mapped GWAS variants；具体数据集名称未提及
开源情况：未提及

上手难度#

前置知识：单细胞表观基因组学、染色质调控、网络分析与 GWAS
算力需求：未提及
复现成本：困难：涉及大规模单细胞数据和网络推断，摘要未提供代码、数据入口与参数
适合谁读：硕博生、研究员、单细胞生物信息学与癌症表观遗传领域专家

一句话总结#

enCORE从单细胞染色质中还原调控域

PubMed#

1. Integrated spatial transcriptomic and metabolic profiling identifies molecular networks associated with cognitive performance in the porcine prefrontal cortex ↗#

作者：Sheng-Di Cui, Dong Chen, Zhen-Jian Zhao, Qi Shen, Yang Yu, Jun-Ge Wang 等
发表日期：2026-05-18
分类：Animals, Prefrontal Cortex, Cognition, Swine, Spatial Transcriptomics
Paper ID：pubmed:42237938

核心贡献#

首次整合空间转录组学和代谢组学构建猪前额叶皮层的高分辨率多维分子图谱。聚焦 III-V 层，发现 CHGB 是与认知表现相关的关键基因（涉突触去极化、神经肽分泌），在 Y 迷宫分层小鼠模型中验证了 CHGB 差异表达。基因-代谢物网络揭示皮层有氧糖酵解参与认知调控。

技术栈#

语言/框架：未提及
模型/算法：空间转录组学分析、代谢组学分析、基因-代谢物网络重建
关键库与工具：未提及
数据集：猪前额叶皮层（空间转录组 + 代谢组）+ 小鼠 Y 迷宫行为学验证
开源情况：未提及

上手难度#

前置知识：空间转录组学、代谢组学、神经科学（认知功能）、多组学整合
算力需求：中高：预处理与整合预计需 16–32 核 CPU、64–128GB RAM；若训练 VAE/GNN 等深度模型，建议 1 张 24GB GPU，数万细胞规模通常需数小时至 1 天（推算，依据：single-cell/spatial/multi-omics 数据）
复现成本：困难 — 需要猪模型 + 空间转录组 + 代谢组实验平台
适合谁读：神经科学研究者、认知功能多组学研究者、大动物模型方向

一句话总结#

猪前额叶空间多组学锁定认知相关基因CHGB。

2. Magnetic nanohydroxyapatite-peptide silk fibroin hydrogel induces osteogenesis in canine periodontal ligament stem cells revealed by proteomic analysis. ↗#

作者：Steven Dwi Purbantoro, Marta Scatena, Teeanutree Taephatthanasagon, Watchareewan Rodprasert, Poorichaya Somparn, Saharat Nanthawong 等
发表日期：2026-05-16
分类：Animals, Fibroins, Dogs, Periodontal Ligament, Osteogenesis
Paper ID：pubmed:42141999

核心贡献#

本文开发含 magnetic nanohydroxyapatite 与 osteogenic growth peptide 的可注射 silk fibroin hydrogel，并在犬牙周膜干细胞中验证其成骨潜力。该材料提高 alkaline phosphatase、成骨标志物和 biomineralization，proteomics 与抑制实验进一步指向 TGF-β、BMP 和 Notch 通路。

技术栈#

语言/框架：未提及
模型/算法：proteomics pathway analysis 与 inhibition assay 验证
关键库与工具：alkaline phosphatase assay、osteogenic marker analysis、biomineralization assay 与 proteomics；具体平台未提及
数据集：接受不同 SF hydrogel、MHAp 与 OGP 组合处理的 canine periodontal ligament stem cells
开源情况：未提及

上手难度#

前置知识：生物材料、干细胞成骨分化、牙周再生与蛋白质组学
算力需求：未提及
复现成本：困难：需制备复合水凝胶并完成细胞和蛋白质组实验，摘要未给出原始数据或完整 protocol
适合谁读：硕博生、研究员、组织工程与牙周再生领域专家

一句话总结#

磁性肽水凝胶通过多通路促进成骨

3. Impact of leucine-rich diet on placenta’s proteomic and metabolomic profiles of pregnant tumor-bearing rats. ↗#

作者：Igor Fernando Dos Santos, Carla de Moraes Salgado, Victor Corasolla Carregari, Rogerio Williams Dos Santos, Daniel Martins de Souza, Laís Rosa Viana 等
发表日期：2026-05-14
分类：Female, Animals, Pregnancy, Leucine, Placenta
Paper ID：pubmed:42135921

核心贡献#

本文在孕鼠 Walker-256 tumor 模型中联合分析胎盘 proteome 与 metabolome，评估富 leucine 饮食对肿瘤相关损伤的影响。leucine 缓解胎盘重量下降与胎儿吸收，并部分恢复胎盘蛋白和代谢物水平，减轻多条受扰代谢通路。

技术栈#

语言/框架：未提及
模型/算法：exploratory untargeted proteomics、untargeted metabolomics 与组内技术重复统计比较
关键库与工具：mass spectrometry、NMR spectrometry
数据集：四组孕鼠胎盘组织：control、Walker-256 tumor-bearing、leucine 和 tumor-bearing plus leucine-rich diet
开源情况：未提及

上手难度#

前置知识：肿瘤代谢、妊娠生理、蛋白质组学、代谢组学与动物模型
算力需求：未提及
复现成本：困难：需建立孕鼠肿瘤与饮食干预模型并完成两类 omics 实验，摘要未给出原始数据
适合谁读：硕博生、研究员、肿瘤代谢与母胎医学领域专家

一句话总结#

富亮氨酸饮食部分修复癌孕胎盘损伤

4. Metabolic reprogramming in plant defense: linking signaling networks to metabolomics-driven insights. ↗#

作者：Shahrukh Khan, Zeenat Korai, Liting Yang, Shakal Khan Korai, Shengnan Li, Usman Zulfiqar 等
发表日期：2026-05-13
分类：Metabolomics, Signal Transduction, Plants, Metabolic Reprogramming, Plant Growth Regulators
Paper ID：pubmed:42126179

核心贡献#

本文综述植物在生物与非生物胁迫下如何由 phytohormone、Ca2+、ROS 和 MAPK 信号驱动代谢重编程，并以 TOR 和 SnRK1 解释生长—防御资源分配。文章进一步梳理 metabolomics、fluxomics 与 multi-omics 如何解析这些动态过程及其因果性难题。

技术栈#

语言/框架：未提及
模型/算法：信号—转录—代谢的系统级机制框架；无单一计算模型
关键库与工具：targeted/untargeted metabolomics、时空 profiling、stable isotope-assisted fluxomics 与 multi-omics integration
数据集：综述论文，具体文献语料或新数据集未提及
开源情况：未提及

上手难度#

前置知识：植物生理、phytohormone signaling、代谢通路与 metabolomics
算力需求：未提及
复现成本：中等：属于机制综述，摘要未提供检索、筛选与证据汇总流程
适合谁读：本科生、硕博生、研究员、植物胁迫与作物改良领域专家

一句话总结#

代谢重编程串联植物感知、信号与防御

5. Microbial succession and spoilage dynamics revealed by multi-omics in Norway lobster (Nephrops norvegicus) during ice storage. ↗#

作者：Ahmed Elsheshtawy, Benjamin G J Clokie, Sasha Saugh, Karen D Adler, Slawomir M Michniewski, Simon MacKenzie 等
发表日期：2026-05-13
分类：Animals, Nephropidae, Bacteria, Seafood, Food Storage
Paper ID：pubmed:42425637

核心贡献#

本文以感官、理化、培养、16S 与 shotgun metagenomics 的整合分析追踪 Norway lobster 在 0 °C 冰藏 16 天内的腐败进程。第 7 天的感官拒收与细菌负荷上升和群落重组汇合，揭示以 Moritella、Pseudoalteromonas 和 Aliivibrio 增长为特征的中期转折点。

技术栈#

语言/框架：未提及
模型/算法：时间序列 multi-omics integration、微生物群落演替与 species-level metagenomic analysis
关键库与工具：Quality Index Method、pH、K-value、培养法、16S rRNA qPCR、16S amplicon sequencing 与 shotgun metagenomics
数据集：Norway lobster 在 0 °C 冰藏 16 天期间的感官、理化、细菌负荷、16S 与 metagenomic 数据
开源情况：未提及

上手难度#

前置知识：食品微生物学、16S 分析、metagenomics 与海鲜品质评价
算力需求：未提及
复现成本：困难：需跨 16 天完成感官、培养和多组学实验，摘要未给出原始数据或分析代码
适合谁读：硕博生、研究员、食品微生物与 metagenomics 领域专家

一句话总结#

龙虾冷藏第七天出现微生物腐败拐点

6. Innovative nomogram integrating bile acid metabolomics for early diagnosis of intrahepatic cholestasis of pregnancy. ↗#

作者：Shuyang Han, Suying Miao, Liwei Yang
发表日期：2026-05-20
分类：Humans, Female, Cholestasis, Intrahepatic, Pregnancy, Nomograms
Paper ID：pubmed:42161851

核心贡献#

本文将胆汁酸 metabolomics 与临床指标结合，经 LASSO 和多变量 logistic regression 构建轻度 intrahepatic cholestasis of pregnancy 早诊 nomogram。模型在内部验证集达到 0.940 AUC，优于 total bile acid 单指标，并显示良好校准和决策收益。

技术栈#

语言/框架：未提及
模型/算法：LASSO feature selection、多变量 logistic regression、nomogram、ROC、calibration curve 与 decision curve analysis
关键库与工具：LC-MS/MS；具体统计软件未提及
数据集：128 名 ICP 孕妇及 matched healthy controls，来自 2019 年 1 月至 2024 年 6 月的单中心前瞻性队列，内部训练/验证 split 为 85:15
开源情况：未提及

上手难度#

前置知识：母胎医学、胆汁酸代谢组学、临床预测模型与生物统计
算力需求：未提及
复现成本：困难：依赖临床队列和 LC-MS/MS 检测，摘要未提供个体数据、代码或外部验证
适合谁读：硕博生、研究员、临床生物统计与母胎医学专家

一句话总结#

胆汁酸代谢组联合临床指标提升早期诊断

7. RBM15B-mediated m6A modification of FOXM1 activates the AURKA/TPX2 axis to promote epithelial-mesenchymal transition-driven endometrial cancer progression. ↗#

作者：Lijing Zhang, Ping Wu
发表日期：2026-05-18
分类：Epithelial-Mesenchymal Transition, Humans, Female, Forkhead Box Protein M1, Aurora Kinase A
Paper ID：pubmed:42148505

核心贡献#

本文发现 RBM15B 通过增强 FOXM1 mRNA 的 m6A 修饰与稳定性，激活 AURKA/TPX2 axis 和 EMT，促进 endometrial cancer 细胞的增殖、迁移、侵袭及 stemness。RBM15B knockdown 能抑制这些恶性表型，为该信号轴作为治疗靶点提供机制依据。

技术栈#

语言/框架：未提及
模型/算法：bioinformatics expression/prognosis analysis 与 RBM15B/FOXM1/AURKA/TPX2 机制验证
关键库与工具：RNA pull-down、MeRIP-PCR、dot blot、RNA stability、colony formation、Transwell、wound healing 与 tumor sphere assay
数据集：endometrial cancer bioinformatics 数据与肿瘤细胞实验；具体数据库、样本规模和细胞系未提及
开源情况：未提及

上手难度#

前置知识：肿瘤分子生物学、m6A RNA 修饰、EMT 与细胞功能实验
算力需求：未提及
复现成本：困难：需要多项 RNA 和细胞表型实验，摘要未提供数据、代码及完整实验条件
适合谁读：硕博生、研究员、肿瘤表观转录组与妇科肿瘤领域专家

一句话总结#

RBM15B以m6A稳定FOXM1并推动癌进展

8. miR-4772-3p serves as a potential diagnostic and prognostic biomarker in septic acute kidney injury by targeting CISD2. ↗#

作者：Qiang Chen, Gaoshang Zhu
发表日期：2026-05-17
分类：Humans, MicroRNAs, Acute Kidney Injury, Female, Sepsis
Paper ID：pubmed:42144021

核心贡献#

本文在 192 名 sepsis 患者中发现 miR-4772-3p 具有较高 AKI 诊断价值，并且是 AKI 发生及不良预后的独立风险因子。LPS-induced HK-2 实验显示其抑制可缓解细胞炎症、氧化应激和 apoptosis，CISD2 knockdown 则逆转保护作用，支持直接靶向机制。

技术栈#

语言/框架：未提及
模型/算法：ROC、logistic regression、Kaplan-Meier、Cox regression、bioinformatics target prediction 与 dual-luciferase validation
关键库与工具：RT-qPCR、CCK-8、flow cytometry、ELISA 与 dual-luciferase assay
数据集：99 名无 AKI 的 sepsis 患者、93 名 sepsis-associated AKI 患者，以及 LPS-induced HK-2 cell model
开源情况：未提及

上手难度#

前置知识：脓毒症与肾损伤、miRNA 调控、临床生物统计和细胞实验
算力需求：未提及
复现成本：困难：需临床队列和多类细胞功能实验，摘要未提供个体数据、代码或完整 protocol
适合谁读：硕博生、研究员、肾脏病、重症医学与分子诊断领域专家

一句话总结#

miR-4772-3p兼具AKI标志与致伤作用

9. The plasma metabolome and clinical features of patients with coeliac disease in Northwest China. ↗#

作者：Wang Zhang, Xingxing Wu, Yuge Li, Zhenting Huang, Wenjia Hui, Tian Shi 等
发表日期：2026-05-16
分类：Humans, Celiac Disease, Female, Male, China
Paper ID：pubmed:42143209

核心贡献#

研究以饮食摄入为协变量，对中国西北地区 CeD、健康对照与 IBD 人群进行血浆代谢组比较。结果显示 CeD 存在独立于饮食的中心碳代谢、甘油磷脂、肠道微生物相关代谢物及酰基肉碱异常，且不同于 IBD。

技术栈#

语言/框架：未提及
模型/算法：伪靶向代谢组学、营养协变量校正、组间代谢通路比较
关键库与工具：UHPLC-QTRAP-MS、食物频率问卷
数据集：15 名 CeD 患者、15 名健康志愿者和 30 名 IBD 患者的血浆样本与膳食信息
开源情况：未提及

上手难度#

前置知识：代谢组学、乳糜泻与炎症性肠病、营养流行病学、统计协变量校正
算力需求：未提及
复现成本：困难；需要临床队列、膳食调查和质谱实验，且原始数据、分析代码与完整参数未提及
适合谁读：硕博生、研究员、临床研究者、代谢组学专家

一句话总结#

饮食校正后仍可见乳糜泻特异代谢谱

作者：Jiayi Li, Cheng Zhou, Shunlai Shang, Qianqian Xu, Wenge Li
发表日期：2026-05-14
分类：Humans, Glomerulonephritis, IGA, Pyroptosis, Computational Biology, Gene Expression Profiling
Paper ID：pubmed:42135973

核心贡献#

研究从 IgAN 表达数据中筛出 19 个焦亡相关差异基因，并以 LASSO 与 SVM 确定 6 个高诊断效能 hub genes。独立队列及肾组织、血清验证支持这些基因与免疫细胞浸润共同刻画 IgAN 的炎症特征。

技术栈#

语言/框架：R；其他未提及
模型/算法：差异表达分析、LASSO 回归、SVM、免疫细胞浸润分析、GO/KEGG 富集分析
关键库与工具：limma、GEO、GO、KEGG
数据集：GSE93798 发现队列、GSE99339 独立验证队列，以及人肾组织和血清样本
开源情况：代码、处理后数据和模型未提及

上手难度#

前置知识：转录组差异分析、机器学习、生物标志物评估、免疫学与 IgA 肾病
算力需求：未提及
复现成本：中等；公开 GEO 数据便于重做计算分析，但代码、参数及实验验证样本细节未提及
适合谁读：硕博生、研究员、临床生物信息学人员、肾病研究者

一句话总结#

六个焦亡基因连接IgAN诊断与免疫浸润