PNAS：刘聪课题组提出化学分子识别病理蛋白聚集可塑性的新观点
此项工作系统地研究了化学分子对病理蛋白聚集体不同polymorphs的结合特性，揭示了小分子在识别与结合不同polymorphs时的高度可塑性与适应性。
JAMA Cardiol：科学家识别出与机体未来高血压风险相关的新型血浆蛋白
本文研究中，研究人员对EBP进行血浆蛋白质组分析后发现，作为一种新型蛋白，TGFBR3或能帮助保护机体血压升高以及长期的心血管疾病结局。
Sci Rep：科学家识别出能预测人类胃癌复发风险的潜在新型生物标志物
本文研究结果表明，在诊断过程中引入AF1q或许能促进对患者的筛查、预后评估以及考虑对有资格进行择期手术的患者进行术前的多模式治疗。
Nature子刊：冯建峰/程炜团队开发机器学习模型，识别自杀行为风险因素
研究团队开发了一种基于行为学、代谢组学和蛋白组学的机器学习判别模型，用以区分是个体是否发生自杀行为。研究发现基于16种行为学特征的分类模型在区分有无自杀行为上表现出高判别准确性。
Nat Commun： 龚为民/孙金鹏团队合作揭示整个组胺受体家族的配体识别及激活的分子机制
该研究为理解所有四种组胺受体的配体识别和 G 蛋白偶联提供了一个结构框架，这可能有助于合理设计针对这些受体的配体。
JTO：术前检测早期肺癌患者的ctDNA，是识别高危患者、优化辅助治疗的“胜利之匙”！
研究者们采用的检测方法是基于血浆的ctDNA甲基化检测，以此得到患者的肿瘤甲基化分数（TMeF），再评估TMeF作为生物标志物的价值。
CMGH：科学家识别出有望开发结直肠癌疗法的新型分子通路
研究结果表明，失调的非典型NF-κB信号或会以一种组织依赖性的方式与人类结直肠癌的发生相关，同时研究人员揭示了NIK在调节与结直肠癌相关的胃肠道炎症和再生中的关键作用。
J Biomed Inform：科学家开发出能识别人类疾病亚型的新型机器学习模型
这项研究中，研究人员引入了一种新型机器学习方法来识别具有潜在亚型的疾病，利用开放型靶标平台中记录的近2.3万种疾病的广泛数据集。
Mol Cancer：科学家识别出能抑制前列腺癌进展的特殊蛋白
本文研究结果表明，JUN能通过对衰老和炎症相关的基因进行转录调节，从而扮演肿瘤抑制子的角色，并能减缓前列腺癌的进展，相关研究结果或为开发新型疗法策略从而阻碍疾病进展并改善患者的治疗结局开辟新的道路。
新研究揭示大脑为何擅长识别彩色图像和黑白图像
人脑在生命早期具有更强的可塑性，可以很容易地学会仅根据亮度来识别物体。在生命早期，色彩信息的匮乏实际上可能对发育中的大脑有益，因为它可以学会根据少量的信息识别物体。