研究系统评测了九种多祖先精细定位方法，包括显式建模跨祖先 LD 与效应共享的联合概率模型，以及汇总各祖先独立结果的单变量整合方法。作者用基于 UK Biobank 基因型数据构建的模拟数据评估精细定位准确性、稳健性和计算效率，并在 All of Us Research Program 中做真实数据验证。结果显示，联合建模对跨人群共享的因果变异有更高的检验功效和分辨率；事后整合则在因果变异仅存在于部分人群时更稳健，因为它能容纳变异可用性的差异。当 GWAS 汇总统计与外部 LD 参考面板存在系统性偏差时，各方法普遍功效不足。
研究提出双向交叉注意力架构 Bi-MHA，整合预训练模型给出的原子级分子嵌入与蛋白级细菌嵌入，生成联合表示用于分类，以预测细菌特异性的药物代谢。模型在训练集上采用可靠性分层和 λ 缩放损失函数，在三个未见任务上表现一致：未见药物 ROC AUC 0.690、未见细菌 0.920、未见互作 0.949，在 rank-sum 指标上排名第一。注意力分析既指出此前研究实验验证过的酶促反应位点，也给出候选细菌蛋白，在原子和蛋白两个层面具备可解释性。
研究提出动态扰动分析（DPA）框架，用“扰动程度”这一新指标量化疾病不同阶段分子互作网络的模块重连。以胃癌进展为模型，DPA 发现肿瘤起始后阶段特异性转录变化有限，但广泛的模块重连持续存在，并识别出细胞外基质重塑、致癌信号激活、干性获得和晚期微环境适应等进展相关扰动程序。扰动分析给出两个主要疾病驱动程序，并优先锁定 PTPN12 和 LINGO1 等此前未被认识的调控因子，其功能在实验中得到验证。基于模块重连的药物重定位还发现 PJ-34 是靶向晚期疾病相关扰动的候选药物。作者称 DPA 可作为通用框架用于解析疾病进展。
研究团队对 Metabolomics Workbench 中所有使用 Orbitrap 或 QTOF 质谱的人体血液代谢组研究做了基于元数据的系统重分析，共纳入 44 165 个样本。作者用 PubChem 标识符统一代谢物、以 SMILES 表示做嵌入，构建了包含 6752 个血液代谢物、25 个结构簇的图谱，并分析这些簇与生物标志物、药物之间的相关性。在至少 10 项研究中检测到的 337 120 对代谢物中，结构相关的簇丰度呈相关（ρ 最高 0.6）；已知临床生物标志物之间也出现候选代谢关联，部分 ρ > 0.7。
推荐理由：作者对 Metabolomics Workbench 全部人体血液代谢组数据做系统重分析，给出可复用的方法与开源软件。
利用 Ribo-seq 数据中的 rRNA reads，dripARF 与 dricARF 可在不同条件间检测核糖体蛋白组成变化和核糖体碰撞。研究将该方法应用于公开 Ribo-seq 数据集，发现预测集对应的 rRNA 区域在 rRNA reads 中持续富集，支持方法的核心假设；同时分析实验流程差异对 rRNA read 分布的影响，并引入基于单样本 rRNA 位置集富集分析的权重以限制假阳性。跨研究一致的核糖体变化包括核糖体碰撞、eS25 和 uS19 等显著共预测因子。
Cell 在线优先发表研究，提出一条微生物组-胆汁酸轴介导女性对慢性肝病的保护。由雌激素促进的肠道细菌联合体产生的女性富集胆汁酸 isoUDCA，通过 SREBP2-STARD4-CYP7B1 信号促进肝脏胆固醇处理和胆汁酸代谢，从而减轻慢性肝损伤。
推荐理由：研究把女性慢性肝病保护与肠道菌群来源的胆汁酸 isoUDCA 联系起来，并给出 SREBP2-STARD4-CYP7B1 信号通路这一机制线索。
Luan 等发现 SOX2 凝聚体通过调控染色质组织和致癌基因表达促进鳞状细胞癌（SCC）进展。FDA 已批准的药物 ixazomib 能以依赖 HSP70 的方式选择性破坏 SOX2 凝聚体，提供了一种针对 SCC、可由生物标志物指导的治疗策略。
研究对人类配子、二细胞胚胎、八细胞胚胎、囊胚和胚胎干细胞中的 H2AK119ub（H2Aub）进行图谱分析，发现 H2Aub 最早在二细胞阶段于 GC 富集区域出现，随后逐步累积，并在后期集中于 PcG 靶基因。
推荐理由：该研究追踪人胚胎从配子到囊胚的 H2Aub 动态，说明 H2Aub 如何引导 H3K27me3 重建 Polycomb 抑制格局。
Bioptimus 正在开发多模态、多尺度的 AI 病理模型，用于生物标志物与药物治疗预测。Nature Biotechnology 每年会重点介绍上一年获得大额早期融资的公司，Bioptimus 入选本期编辑精选。
神经科学正在绘制妊娠期间大脑变化图谱，但这些变化对未来健康意味着什么尚未确定。
研究提出 DNA-SaM 系统，整合高效编码、严格的生化约束检查和两级索引的存储单元分布架构，用于可扩展的 DNA 数据存储。计算分析显示其编码时间复杂度为线性，编码时间较代表性方法明显缩短，并主动排除同聚物重复、串联重复和潜在启动子基序等可能干扰下游生化过程的序列。该系统在体外和体内实际存储中均取得 100% 成功率，按其编码方案与序列设计空间理论上可存储超过 2^70 PB 数据。
基于 PRJNA658160 的 804 份粪便 16S rRNA V4 测序数据（386 例乳腺癌、418 例健康对照），乳腺癌样本的分类学 alpha 多样性显著降低，13 个属存在差异丰度，Bacteroides、Erysipelatoclostridium、Parabacteroides 和 Fusobacterium 在乳腺癌中富集。
研究发现，pyrin 炎症小体通过高亲和力肉碱转运体 OCTN2（SLC22A5）感知胞外 ʟ-carnitine，并由此引发 IL-1β 介导的炎症。ʟ-carnitine 是一种在肌细胞中高度丰富的非蛋白氨基酸，过量摄入肌细胞与肌细胞坏死均与全身性炎症相关。作者据此提出，OCTN2 可作为减少外源或内源胞外 ʟ-carnitine 所致炎症的潜在靶点。
Greco 等发现，循环视觉模型中将自上而下反馈与 dropout 引入的神经变异性结合，可提升感知稳健性。神经变异性防止单元级共适应，反馈通路则将群体活动稳定在紧凑的低维表征中。二者相互作用提示生物视觉系统如何在不确定性下实现稳健感知推断，并为可泛化到分布外条件的人工视觉系统提供设计原则。
研究发现，dITP 并非通过简单的构象变化激活 Kongming（Kom）系统的 KomBC 复合物，而是通过改变其组装平衡来实现。没有 dITP 时，KomBC 在紧密堆积的寡聚体和松散堆积的纤维之间处于平衡，两者均无活性；dITP 结合到 KomB 后，稳定纤维中紧密堆积的 KomC 核心并让催化残基对齐，从而激活 NAD⁺ 水解。
对多样本约束网络推断框架 CORNETO 的可复用性评估显示，多样本推断总体提升稳健性与可重复性，但预测性能增益取决于生物学背景和先验网络的完整性。研究在动态造血与稳定皮层数据集上系统评估四种网络重建范式，并引入 bootstrap 聚合与选择性再扩展策略以提升共识稳健性。结果揭示由样本量、先验知识和正则化共同界定的不同推断区间。
该研究提出用 Venn-Abers 预测器在无真实标签时估计选择性分类器的性能，给出校准的区间估计与实用下界，用于量化不确定预测转人工复核时分类器的可靠程度。
Zhang 等发现异补骨脂查尔酮靶向去泛素化酶 OTUB1，促进癌细胞中 PD-L1 的泛素化与降解。该调控增强 T 细胞介导的抗肿瘤免疫，重塑肿瘤免疫微环境并抑制肿瘤生长。
研究气候变化、多样性、跨性别健康与国际援助的美国科学家正通过诉讼、私人捐助和转向替代课题维持项目运转。这些科研人员在经费削减背景下继续推进工作。
研究团队发布多浸没斜平面显微镜 miOPM，一个可适配从培养细胞到整生物体、透明化组织的可重构光片荧光显微平台。光片荧光显微（LSFM）此前分化为多种针对特定样品或成像条件优化的变体，限制了通用性。miOPM 支持油、水、空气物镜的无缝互换，在 1.33 至 1.51 的折射率范围内保持衍射极限性能，并兼容标准样品 mounting、现有透明化流程与高通量三维成像。作者用 miOPM 在多个空间尺度上成像了多种生物样品，认为其扩展了 LSFM 的适配性与易用性，有望推动先进三维成像的普及。
一项新工作在 379 个人脑样本中绘制了可变多聚腺苷酸化这一转录后调控层，显示 3′-UTR 选择上的遗传变异与疾病相关位点及下游分子效应相关。可变多聚腺苷酸化通过改变 mRNA 末端影响 mRNA 稳定性、翻译或亚细胞定位，而不一定改变 RNA 丰度。
推荐理由：在 379 个人脑样本中绘制可变多聚腺苷酸化图谱，把 3′-UTR 选择相关的遗传变异与疾病位点及下游分子效应联系起来。
一篇综述系统梳理了 AI 与生物信息学整合框架如何将影像组学与基因组学、转录组学、蛋白质组学等多组学数据融合，以更全面建模脑疾病复杂性。文章指出，尽管两个领域各自都有进展，影像组学与多组学融合的联合应用仍未被充分利用。借助深度学习和图神经网络等表征学习方法，这类多模态系统可支持生物标志物发现、患者分层和个性化治疗策略。作者重点评估了数据异质性、可解释性有限和临床验证障碍等挑战，并以胶质瘤、阿尔茨海默病和多发性硬化症的案例说明统一影像-组学架构的临床价值。
Anthropic 将 5% 股份投入新设的 Anthropic Public Benefit Fund，公司估值每较基准上涨 50%，董事会可再追加 2% 股份。该基金为全资 LLC，所持股份不用于游说或政治捐款；叠加联合创始人 80% 股权捐赠承诺与员工股权配捐，约 20% 的 Anthropic 股份将用于公共利益。Anthropic 此前已投入 2 亿美元研究 AI 对劳动力市场的影响。
研究在 5 个有高质量 MAVE 数据的癌症相关基因上比较 MAVE 与 GEMME、EVE、CPT-1 等无人群依赖变异效应预测器的分类表现，发现 MAVE 按 ACMG/AMP 校准后更保守、判定更明确，而 VEP 整体能识别更广范围致病变异。
一项发表于 Genome Medicine 的回顾性横断面研究，用 92 例 22q11DS 患者（0.5–21 岁）和 252 例匹配临床对照的常规临床 MRI，结合 1,995 例参考扫描的规范建模，刻画该综合征的脑结构偏离。
Amira 通过构建基因空间 de Bruijn 图，直接从长读段中检测抗菌药物耐药（AMR）基因，把读段精确对应到不同的 AMR 基因拷贝，并据此完成组装。作者称，在模拟数据、精选样本和公开数据集上，Amira 相比现有方法提升了拷贝数召回率和核苷酸准确度。
研究对 22 例 SHH 型髓母细胞瘤样本（16 例原发、6 例复发，含 4 对原发-复发配对）开展 snRNA-seq（n = 16）、snATAC-seq（n = 13）和空间转录组（n = 6）分析，并结合 25 例样本的外显子变异数据，另用 48 例样本（24 对原发-复发配对）的 bulk RNA-seq 做验证。
Metacontextify 通过 Copernicus Marine Service 数据，为海洋宏基因组样本自动检索温度、盐度、pH、营养盐等环境属性，可连接 ENA 和 MGnify 标识或采样坐标与日期。
ParaDISM 是一个用于精化标准比对结果的流程，通过参考序列的多序列比对识别可区分位点，仅在有无歧义的序列特异性证据时才把读段或读段对分配到某条序列，证据不足的读段报告为未分配。
Genes2Reg 提出用异构图注意力网络（HGAT）把蛋白互作、通路共属、调控靶向等异质生物网络融合为单一对称的基因-基因耦合矩阵，形成可正则化任意基因索引模型的任务无关先验。
研究用 PRS-CSx 整合欧洲与东亚的冠状动脉疾病 GWAS 汇总数据，构建跨族裔多基因风险评分，并在中国慢性病前瞻性队列（CKB）的 72,782 人中外部验证。
一种融合深度表示学习的混合束搜索框架被提出用于求解多序列最长公共子序列（MLCS）问题，由轻量 Transformer 编码器结合对比学习、非支配过滤与双准则评估、多维评分模型三个模块构成。
研究提出一套计算–实验整合流程，用于在数据稀缺条件下优先筛选、表征并建模真菌非特异性过氧化物酶（UPO）。从 3000 多条候选序列中筛出 59 个推定 UPO，在大肠杆菌中分两批表达并用比色底物检测，得到 27 个表达与活性一致的 UPO；随后用 15 个新 UPO 和 4 个参考酶对 27 种底物做活性筛选，构建酶–底物活性数据集。
利用多构象连续静电（MCCE）方法，计算了9个激酶结构域与18种FDA批准抑制剂在37个共晶结构中的质子化与互变异构分布，全流程重复三次并给出运行间不确定度。结果显示蛋白净电荷与质子分布基本稳定，而抑制剂电荷在结合后频繁增减；结合使低能态（ΔG < 2.8 kcal/mol）相对概率发生移动，但不提高高能态概率。
Google 研究团队在博客中介绍三项工作，目标是打通 AI 计算探索与真实湿实验之间的循环。VERID 框架基于开源 PyLabRobot，为实验室工作单元建立可实时更新的 3D 语义数字孪生，支持 3D 状态追踪、秒级虚拟试运行、硬件安全检查与视频和动作日志同步，并在案例中让 agent 从读板机故障中恢复、把染料混合物重建准确率提升五倍以上。
推荐理由：Google 研究团队把实验室自动化、aptamer 闭环筛选和蛋白结合子设计串成一条路线，可看 AI agent 进入湿实验的整体思路。
研究在泛素 E1 抑制剂 TAK-243 存在下开展全基因组 CRISPR 敲除筛选，鉴定出 239 个基因，敲除这些基因会使细胞对泛素化阻断更敏感。后续分析显示，核蛋白 HAPSTR1 将 E3 连接酶 HUWE1 招募到染色质，维持染色质相关蛋白组的稳定，而 HAPSTR1 自身在细胞周期进程中被 HUWE1 降解。
Science Advances 发表研究，发现基质糖蛋白 Fibrillin-1（FBN1）是 Notch 调控的肌肉干细胞自主效应因子，对维持干细胞静息状态必不可少。
研究发现，巨噬细胞中的 SIK2 通过促进 TRAF2 磷酸化与 K63 多泛素化，经 P38 和 NF-κB 通路加重炎症并损害胞葬作用，从而阻碍心肌梗死后的心脏修复。巨噬细胞特异性敲除 SIK2 可缩小梗死面积、改善愈合，而特异性过表达则加重心脏改变，P38 抑制可减轻这一效应。在小鼠中药物失活 SIK2 能显著增强梗死后心脏修复，提示其作为治疗靶点的潜力。
CellDiffusion 是一个无监督图模型，通过扩散过程传播细胞特征、学习细胞间注意力网络，在整合 scRNA-seq 数据时自适应识别跨批次对应细胞群并进行细胞特异性校正。该模型在包括人子宫内膜在内的多个数据集上验证，生成的细胞嵌入在跨批次对齐细胞的同时保留固有细胞类型与发育轨迹，并提升了标签转移、聚类和轨迹推断等分析。
eLife 发表的研究用小鼠无病毒遗传谱系追踪系统在微胶质细胞中特异表达 NeuroD1，并在多个时间点追踪其命运，结果显示表达 NeuroD1 的细胞在生理和损伤条件下都保持微胶质细胞身份、不能转为神经元。
推荐理由：用无病毒谱系追踪、双光子活体成像和单细胞转录组三重证据，检验 NeuroD1 能否把微胶质细胞转成神经元。