研究提出可用于癌症驱动基因识别的图机器学习模型
该模型通过构建精准的癌症基因调控图谱，有望为个性化医疗和精准药物研发开辟新途径。同时，该模型在整合多组学数据和复杂网络分析方面的优势，使其具备跨疾病和跨领域应用的潜力。
Nature：学习并不仅仅是重复，科学家揭秘大脑如何“重新布线”从而掌握新技能？
来自加州大学圣地亚哥分校等机构的科学家们通过研究揭示了大脑在学习过程中如何通过精确的神经回路重塑来掌握新技能。
Nature Methods：从“猜”到“预见”——AI模型PUPS揭示单细胞蛋白质定位的秘密
PUPS作为一款结合蛋白质序列和细胞图像的新型AI模型，不仅能准确预测未知蛋白质在未知细胞系中的定位，还能揭示蛋白质定位在不同细胞系和单细胞层面的变异规律，甚至预测突变对定位的影响。
国内跨学科团队研制“眼脑轴”基座模型，实现无症状脑梗及卒中精准筛查与预警
该研究创建了基于视网膜图像的全球首个眼-脑垂域基座大模型—DeepRETStroke系统，实现对无症状性脑梗死的自动识别及未来卒中风险的精准分层预测。
携带SCN2A突变的人脑类器官模型揭示癫痫超兴奋性，卡马西平或成精准治疗新选择
本研究构建携带新型SCN2A突变（p.E512K）的人皮层类器官，发现其具神经元超兴奋性，对卡马西平等抗癫痫药反应各异，证实该类器官可作药物临床前评估平台。
哈佛团队开发AI模型，可通过普通面部照片识别预测癌症患者死亡风险
FaceAge不仅能够准确预测癌症患者的生物年龄，还能为生存期预测提供重要的辅助支持，特别是在末期癌症患者的临床决策中具有实际应用价值。
Cell子刊：北京协和医院陈有信团队开发AI 模型，可识别诊断25种眼底病，并给出转诊建议
该研究表明，UWF 图像和 CdCL 方法显著增强了深度学习算法检测周围视网膜异常的能力。WARM 模型显示出作为大规模眼底综合筛查的一种可靠且准确的工具的潜力。
《自然·衰老》：又发现近300种蛋白与阿尔茨海默病相关，7蛋白模型预测AD状态AUC最高可达0.88！
通过机器学习，研究者确定了7个蛋白质，其组合可用于预测AD状态，对临床AD状态预测AUC达到0.72，对生物标志物定义的AD状态预测AUC达到0.88。
血管化神经免疫类器官模型助力阿尔茨海默病研究与药物开发
本研究构建了血管化神经免疫类器官模型，sAD患者大脑提取物可诱导其出现多种AD病理特征。经Lecanemab治疗有效果且能模拟药物副作用，该模型为AD研究及药物研发提供新平台。
研究人员首次构建功能性人类羊膜囊体外模型，开启胚胎外发育研究新纪元
研究人员成功开发出一种全新的、基于人类干细胞的体外三维模型——原肠胚形成后类羊膜囊（Post-gastrulation Amnioids, PGAs）。