Nature：小环大威力！癌症中的脱缰野马ecDNA（染色体外DNA）
未来，ecDNA研究不仅将在癌症领域发挥作用，还可能为其他复杂疾病的遗传机制研究提供借鉴。随着基因编辑技术、全基因组测序和生物信息学分析的不断进步，我们有望揭开更多关于ecDNA的奥秘。
清华大学程功团队开发AI语言模型，预测新冠病毒突变和进化
该研究开发的SVEP模型，显著提高了数据处理效率，减少了计算资源的消耗，使模型能够更有效地模拟组合突变。
Cell：AI时代的蛋白质从头设计
该文章讨论了基于物理学的建模方法和人工智能（AI）相结合的背景下，蛋白质从头设计领域的当前状态。
Nature：从二维到三维！RNA分子动态结构的全新解析之路
HORNET方法的独特之处在于其整合了AFM的精确拓扑信息和机器学习的强大预测能力，为长期困扰科学界的RNA异质性结构研究提供了新的解决方案。
Nature Methods：解锁生命的地图！人体图谱带来的科学革命
在过去的研究中，研究人员已经揭示了细胞作为生命基本单位的诸多奥秘，但随着技术的进步，人们发现，这还远远不够。细胞的内部不是一片混沌，而是被划分为不同的“区域”，每个区域都扮演着特定的功能。
AI仍需努力！徐华强团队证实，AlphaFold3预测GPCR-配体复合物结构准确性不足
该研究为在GPCR研究中使用AlphaFold3的研究人员提供了有价值的见解，强调了基于实验的结构确定的必要性，并为未来在计算模型中改进蛋白质-配体相互作用预测提供了方向。
心脏的“形状”也有讲究？Nat Commun：遗传学研究或能将心脏形状与机体心血管疾病风险联系起来
来自伦敦国王学院等机构的科学家们通过进行一项新型跨国研究发现，受遗传因素影响的人类心脏的形状或能作为人类心血管疾病风险的有价值的预测指标。
Nature Methods：从序列到结构——RhoFold+深度学习模型实现RNA 3D预测的高效革命
通过结合深度学习和语言模型的力量，RhoFold+实现了对RNA 3D结构的高效预测，克服了传统方法的瓶颈，为RNA功能和应用的深入研究开辟了新天地。
PNAS：新型人工智能技术或能识别出更好的抗体疗法
本文研究强调了将深度学习方法与单一B细胞测序技术相结合的潜力，从而就能增强对抗原-抗体相互作用的准确预测。
Science封面：华人学者开发AI模型，学会生命的语言，生成新型CRISPR系统乃至整个基因组
该研究开发了从分子到基因组尺度都能进行预测和生成任务的基因组基础模型——Evo模型。这是第一个在全基因组规模上以单核苷酸分辨率预测和生成DNA序列的模型。