Neuron：新型生物标志物或能帮助预测神经元是否会进行再生？
来自加利福尼亚大学等机构的科学家们通过研究利用单细胞RNA测序技术（一种能确定单一细胞中哪些基因被激活的手段）识别出了一种新型生物标志物或能被用来预测神经元是否会在受损后进行再生。
Nature：ChatGPT能够预测诺贝尔奖吗？
值得一提的是，开发了AlphaFold的两位学者 Demis Hassabis 和 John Jumper 近两年先后获得了“科学突破奖”，“盖尔德纳奖”，以及“拉斯克奖”。
《自然·精神卫生》：复旦团队发布首个重度抑郁症的时空分型，可帮助预测疾病走向，指导个性化治疗
本研究利用高质量、大规模的MDD影像队列数据，使用SuStain算法，首次建立了可靠的基于神经病理结构的MDD分型与时空演化轨迹
Science：人工智能“鼻子”可以根据分子结构预测气味
在一项取得重大突破的新研究中，来自美国Google Research、莫奈尔化学感官中心和英国雷丁大学等研究机构的研究人员建立了一种仅根据分子结构就能预测其气味特征的工具。它可以识别外观不同但气味相同
研究人员预测和设计揭示无序蛋白结构域的靶标识别机制
中国科大刘海燕教授、陈泉教授课题组与复旦大学王文宁教授合作，采用蛋白质结构预测、序列设计等计算手段与蛋白质互补分析和深度突变扫描、X射线晶体学、NMR等实验结合的方法，揭示了固有无序的4.1G蛋白C端
Nature子刊：百图生科宋乐团队开发新型蛋白质结构预测工具，不依赖多序列对比，效率更高
与基于MSA的的主流蛋白质结构预测工具AlphaFold2和RoseTTAFold方法相比，HelixFold-Single在预测效率上具有很大优势，耗时要少得多，可以应用于需要大量预测的蛋白质相关任
科学家发现更精确的阿尔茨海默病诊断获预测方法！
CSF 48改进了现有的AT（N）标志物，可以预测与AD/ADRD有关的多种病理生理机制，并且改善了对AD疾病进展、痴呆严重程度和海马体积变化的预测能力。
研究人员基于FFPE样本构建甲基化图谱预测癌症原发部位
识别癌症的原发部位对于癌症诊断和后续治疗至关重要。过去二十年中，针对肿瘤抗原的免疫组织化学（IHC）被视为“金标准”（能够判定50-65%的转移癌的原发部位）。
《科学》子刊：复旦大学团队开发无创预测肿瘤异质性方法，并发现铁死亡或是治疗乳腺癌的突破口！
研究者进一步分析了在高IITH肿瘤中排名第一的铁死亡。多组学分析结果显示，诱发铁死亡的关键途径和抑制铁死亡的途径都有增加，说明癌细胞中同时存在铁死亡和阻止程序性细胞死亡的代偿途径。