Science：利用单细胞染色质可及性图谱揭示原发性人类癌症中的恶性调控程序
多种人类原发性癌症类型的 TCGA 单细胞图谱和用于解释癌症中顺式调控元件的可解释深度学习模型，为了解导致原发性人类癌症恶性表型的分子程序提供了新的资源。
Nature Methods | 革新癌症治疗：EpiChem技术揭示药物与染色质结合的单细胞层面机制
EpiChem为在单细胞水平上解析小分子药物与基因组相互作用及其表观基因组状态提供了一种独特的方法。这一技术的潜在应用范围广泛，从药物开发到理解细胞异质性，都具有重要意义。
Nat Methods：scNanoSeq-CUT&Tag技术：可精准检测单细胞基因组复杂区域的染色质修饰
该研究开发了一种基于单分子测序平台的 scNanoSeq-CUT&Tag 新方法，可以精准检测单个细胞内染色质修饰特征，包括组蛋白修饰和转录因子的结合分布模式。
Dev Cell：余逸群/余洪猛/刘环海/任雯雯绘制嗅上皮衰老的单细胞转录组图谱
该研究建立了哺乳动物嗅上皮衰老的单细胞转录组图谱（图1），解析嗅上皮细胞类型特异性的衰老相关差异表达基因，发现衰老导致嗅上皮中存在激活型HBC，揭示Egr1和Cebpb是转录调控网络中的核心因子。
Cancer Cell：张泽民院士团队通过跨组织单细胞多组学揭示具有独特免疫调节作用的肌成纤维细胞亚型
该研究全面探讨了在不同组织和疾病背景下成纤维细胞的表型和分布特征，并揭示了不同肌成纤维细胞在免疫调控中的独特作用。
Nature Cancer：张泽民/程斯进团队解析单细胞尺度下结直肠癌肿瘤微环境分型
该研究建立了一个高质量的人类肠道组织单细胞图谱，揭示了肿瘤特异性的细胞亚型和转录组变化，为解析结直肠癌的细胞和分子机制提供了新的见解。
Cell子刊：韩敬东团队开发机器学习程序，在单细胞水平识别衰老细胞
该研究开发了一种机器学习程序——SenCID（Senescent Cell Identification），它可以准确地识别bulk转录组和单细胞转录组数据中的衰老细胞。
干细胞、类器官与表观遗传学的交响曲！Nat Neurosci：科学家构建单细胞表观基因组图谱，揭示调控细胞命运的关键“开关”
本研究中构建的人类神经类器官发育的单细胞表观基因组图谱，为深入了解人类细胞命运选择提供了宝贵的参考蓝本。
Nature子刊：龙尔平等合作建立人类肺组织单细胞多组学图谱定位肺癌遗传易感靶点
人类肺组织单细胞多组学图谱具有广阔的应用前景，与蛋白组和微生物组图谱联合，揭示不同组学层次间的互作机制，并拓展至慢性阻塞性肺疾病（慢阻肺病）等重大呼吸疾病，解析不同病程和表型间的分子机制。
Nature Methods | GPT-4在单细胞分析中的突破：高效的细胞类型识别
该研究不仅证实了GPT-4在生物医学领域的应用潜力，同时也为单细胞RNA测序分析中的细胞类型标注提供了一种新的、高效的解决方案。