研究提出空间细胞类型组分解析新算法
生物体由各种类型的细胞组成。生物系统的结构功能和动态变化很大程度取决于细胞的空间分布，揭示和利用其规律对探索生命现象和探究疾病进化机制具有重要意义。
Nature Medicine | 革新心血管疾病预测：QR4算法提升心血管病风险评估准确性
心血管疾病是全球范围内最主要的死亡原因。这些疾病主要包括冠状动脉疾病（coronary artery disease）、心肌梗死（myocardial infarction）和脑卒中（stroke）。
Nature：利用新开发的 Foldseek Cluster算法一次性分析大量的蛋白结构
在一项新的研究中，来自瑞士苏黎世联邦理工学院、瑞士生物信息学研究所和韩国首尔国立大学等研究机构的研究人员通过开发一种有效的方法来比较 AlphaFold 数据库中的所有预测蛋白结构，揭示了不同物种蛋白
Nature子刊：冯建峰团队等利用智能算法定义三种抑郁症生物亚型
该研究项目的主要负责人冯建峰教授表示：抑郁症的临床诊断和治疗通常表现出较大的异质性。我们的研究表明抑郁症确实存在不同的脑结构萎缩轨迹、差异的临床症状和遗传表达基础。
Nature头条报道：复旦团队利用蛋白组学和人工智能算法，通过血液检测提前15年预测痴呆症
这项发表于 Nature Aging 的研究可用于开发针对痴呆症的新型血液检测方法，通过人工智能算法在症状出现前十多年前甄别痴呆症高风险患者。
Cancer Cell：李博等开发机器学习算法，首次在单细胞水平追踪癌细胞和T细胞间线粒体传输
该研究不仅证实了T细胞与癌细胞间线粒体传输在不同癌症中的广泛存在， 更重要的是，提出了基于贝叶斯层次模型与统计反褶积的机器学习方法——MERCI，实现了在单细胞分辨率下追踪不同细胞间线粒体传输的重要功
应晓敏/伯晓晨团队开发基于生成式人工智能的新算法MIDAS，实现单细胞多组学数据的马赛克整合
研究提出了一种用于单细胞多组学数据马赛克整合及知识迁移的计算工具——MIDAS，首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能。
Genome Medicine：浙江大学良渚实验室沈宁团队发布实现单细胞水平肿瘤细胞群突变与表达异质性的同步研究算法
该研究为癌症领域单细胞水平基因型与表型关联的异质性与进化研究提供方便有效的工具，为临床诊断提供新的方向。
Nature子刊：复旦大学马剑鹏团队开发智能算法，大幅提升冷冻电镜蛋白结构解析分辨率
作为蛋白质结构预测领域顶尖团队，由诺贝尔奖得主 Micheal Levitt 教授和马剑鹏教授领导的复旦大学复杂体系多尺度研究院，聚焦基础科学、交叉学科及源头底层技术，致力于推动生物大分子结构实验测定