Science：利用人工智能工具AlphaMissense对错义变异进行分类
基因组测序揭示了人类群体中广泛的基因变异。错义变异是改变蛋白氨基酸序列的基因变异。致病性错义变异（pathogenic missense variant）会破坏蛋白功能，降低生物的适应能力，而良性错义
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
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
AI制药算法新突破：通用分子指纹编码，显著提速药物分子筛选
该研究开发的变分图编码器的隐空间具有令人惊讶的多用途性质，可用于预测高度多样化数据集的属性。后续进一步的工作将涉及限制因素的缓解策略和算法在药物发现管线中的应用，包括随后的实验验证。
Cancer Cell：利用人工智能对脑转移瘤分类，揭示其对神经环路的影响
论文共同通讯作者、西班牙国家研究委员会卡哈尔研究所神经回路实验室主任 Liset Menéndez de la Prida 表示，通过机器学习，能够整合所有的数据来创建一个模型，通过观察大脑的电活动，
Advanced Science：韩敬东团队开发转录组数据空间重构新算法
该研究建立了一种单细胞/寡细胞转录组数据从头空间重构算法——De Novo Coalescent Embedding（D-CE）。该研究利用细胞-细胞转录相关网络的非线性嵌入方法，从头重构了单细胞转录
“像自动驾驶一样训练智能体完成蛋白进化”，华大智造研发团队Nature子刊发布强化学习算法
随着自动化生物实验室的蓬勃发展，以及微流控技术广泛用于分子筛选和进化，更多的自动驾驶实验室（Self-driving Lab）即将出现。
Nature：利用新型机器学习算法CEBRA解码小鼠大脑的动态信号
是否有可能仅根据大脑信号就完全重建某人所看到的东西？答案是否定的，还没有。但是，在一项新的研究中，来自瑞士洛桑联邦理工学院的研究人员在这个方向上迈出了重要的一步：他们引入了一种新的算法来建立人工神经网