👋 Welcome to BioF3's Paper Digest! Today's edition features 0 GitHub projects and 4 research papers from bioRxiv, arXiv, and PubMed.
Content generated by GLM-4.7 (Deep Thinking Mode) 🧠
1. Central Dogma Transformer III: Interpretable AI Across DNA, RNA, and Protein
📄 arXiv Paper | Date:
2026-03-24| Category:q-bio.GN
Authors: Nobuyuki Ota
AI Research Digest (科研解读)
2. Subspace Tensor Orthogonal Rotation Model (STORM) for Batch Alignment, Cell Type Deconvolution, and Gene Imputation in Spatial Transcriptomic Data
📄 arXiv Paper | Date:
2026-03-23| Category:q-bio.QM
Authors: Sean Cottrell, Guo-Wei Wei, Longxiu Huang
AI Research Digest (科研解读)
一句话概括 本研究提出了一种名为 STORM 的子空间张量正交旋转模型，旨在通过统一的数学框架解决空间转录组学数据中的批次对齐、细胞类型去卷积及基因补全等多重分析难题。
研究背景
空间转录组学技术通过整合基因表达与空间位置信息来解析组织微环境，但在实际应用中，仍面临着跨批次数据存在显著差异、单个观测点包含多种细胞类型的混合信号以及基因表达存在大量缺失值或噪声等关键挑战。
方法创新
论文的核心创新在于提出了 STORM 模型，这是一种基于不规则张量分解技术的子空间张量正
3. Spatial and morphological organization of mitochondria in neurons across a connectome.
📄 PubMed Article | Date:
2026 Mar 19| Category:Science (New York, N.Y.)
Authors: Sager G, Pfeiffer P, Wu H et al.
AI Research Digest (科研解读)
一句话概括 该研究利用全脑连接组数据，系统解析了神经元中线粒体的三维空间分布与形态特征，揭示了线粒体组织与神经连接结构之间的关联。
研究背景
神经元的高代谢需求依赖于线粒体的精准定位，然而在全脑尺度下，线粒体的空间排列和形态如何适应复杂的神经回路连接结构，此前尚缺乏系统性的定量研究。
方法创新
基于大规模电镜重建的连接组数据，开发了高精度的计算管线以自动分割神经元内的线粒体，实现了在全脑范围内对线粒体三维形态参数（如体积、表面积、形状指数）及空间坐标的定量提取与统计分析。
关键发现
-
4. Pluripotent stem-cell-based screening uncovers sildenafil as a mitochondrial disease therapy.
📄 PubMed Article | Date:
2026 Mar 11| Category:Cell
Authors: Zink A, Dai DF, Wittich A et al.
AI Research Digest (科研解读)
Powered by BioF3 Auto-Bot & ZhipuAI GLM-4.7