LoL-align 在 Nature Methods 发表，可在不做叠合（superposition）的情况下比对蛋白结构。作者称其比 TM-align 和 DALI 更敏感、比对结果更好，速度快 5–20 倍，现已集成到 Foldseek，代码在 GitHub 的 steineggerlab/foldseek 仓库，并提供 search.foldseek.com 在线服务。
推荐理由：新方法不做叠合即可比对蛋白结构，并给出与 TM-align、DALI 的敏感性和速度对比，可据此判断是否替换现有流程。
CRISPR-HAWK 是一个把个体和群体尺度的变异与单倍型纳入 gRNA 设计的框架，代码已在 GitHub 开源。作者在 79 648 个基因组上分析治疗靶点，发现变异会显著改变向导表现：针对 BCL11A 的镰状细胞病治疗向导存在完全消除预测切割活性的单倍型，七个治疗位点中 82.5% 的向导带有影响在靶活性的变异，变异还会产生新的 PAM 位点、带来参考基因组设计看不到的个体特异性向导。
推荐理由：该工具把个体与群体层面的变异和单倍型纳入 gRNA 设计，并给出 79 648 个基因组上的评估结果，可供做 CRISPR 靶点选择时参考。
TorchGWAS 1.0 发布，这是一个用 GPU 批量运算对大量定量表型做协变量校正线性关联检验的框架。
推荐理由：面对数千个定量表型逐个做 GWAS 的算力瓶颈，该工具给出与 PLINK 2.0 一致的统计量和大规模运行时间。
Seurat 发布 v5.6.0，新增 setThreads 和 getThreads 控制支持的 C++ 内核与 uwot UMAP 后端线程。
推荐理由：新版本把归一化、降维、聚类和整合等常用步骤改为多线程 C++ 实现，并修复了 BPCells 磁盘型数据的打分问题，做单细胞分析的读者可据此判断是否升级。
Seurat 5.6 公测版发布，针对核心工作流的速度、内存和可扩展性做了大幅改进，尤其面向大规模数据集。作者团队称过去几个月用编码智能体重写了 Seurat 核心流程，把部分步骤从 R 迁移到 C++ 并优化代码，部分场景提速 10 倍以上且输出一致。安装说明见 https://github.com/satijalab/seurat/discussions/10449。
推荐理由：Seurat 5.6 公测版针对大数据集重写核心流程，做单细胞分析的读者可据此判断是否试用。
AlphaFold 3 发布 v3.0.3，代码许可证从 CC BY-NC-SA 4.0 改为 Apache 2.0，并兼容 Python 3.14。该版本还带来性能改进：Confidences JSON 序列化最高提速 30 倍，5000 残基输入的序列化时间从 43 s 降至 1.3 s，mmCIF 解析提速 4%。
推荐理由：许可证从非商用协议改为 Apache 2.0，并给出大输入序列化提速的具体数字，可据此判断能否商用与升级。