新技术、工具、数据集与图谱，以及会让既有数据打折的方法学发现。
该工作提出动态范围分数（DRF）标定框架和插值重复基线，用于评估扰动预测度量对生物学信号灵敏度。在14个数据集、18个度量上测试9个深度学习模型（scGPT、GEARS、PRESAGE、scLambda、CellFlow等）和4种基础模型嵌入探针，结果显示标定度量下多数模型可超越无信息基线，PRESAGE在Wessels23组合扰动任务上于15/18个度量超过加性基线。
推荐理由：该工作提出 DRF 标定框架与插值重复基线，说明先前基准因度量未标定而低估了深度学习模型在遗传扰动预测中的真实表现。
原文报道了一种银(I)介导的无保护肽酰胺-酯转化方法，借助易引入的N,S-苯亚甲基硫缩醛支架可在含水乙酸中将主链酰胺化学选择性转化为水杨醛酯，且无外消旋化。作者通过多种肽合成实例及H2A、H2B、H3、H4镜像组蛋白的高效全合成进行验证，并经详细机理研究阐明反应路径，为肽或蛋白水平的可编程酰胺活化建立通用有机化学平台。DOI: 10.1126/sciadv.aej5227
推荐理由：原文给出银(I)介导的无保护肽酰胺-酯转化方法及机理验证，并以镜像组蛋白全合成展示适用性，对化学蛋白合成方法学有参考价值。
筛选可电离脂质并以基因编辑器大小的 RNA 验证，研究者鉴定出 LC-1，其形成的结构能增强内体逃逸，在小鼠肝、肺和脑中实现高效基因组编辑。该策略解决了脂质纳米颗粒（LNP）递送编码大型基因编辑器的大型 mRNA 时效率下降的问题。
推荐理由：热度：2 个信源报道同一事件
研究人员开发了针对WHO高优先级真菌病原体荚膜组织胞浆菌(H. capsulatum)的快速全基因组多位点序列分型(MLST)方案。基于406个公共基因组组装构建了wgMLST、annMLST与fanMLST三种方案，每种含超过8,000个标记，可在常规计算设备上重现区分全部7个谱系及6个南美亚谱系，方案间比较的r²值在0.8–1.0之间。
一项基于分数阶微分方程的肿瘤-免疫-药物模型分析表明，降低分数阶导数阶数仅改变动力学瞬态过程，并不影响模型的最终平衡状态。研究还指出，单次推注给药后药物浓度的峰值即为初始浓度，且当阶数α<1时，浓度-时间曲线下面积会发散。所有模拟参数均为无量纲示例，源代码已公开以确保结果可重现。
研究者开发了SynthIDBio-sequence和SynthIDBio-structure两种水印方法，分别用于AI生成的蛋白质序列和结构。通过体外实验验证，水印蛋白结合剂对SARS-CoV-2受体结合域（SC2RBD）保持低纳摩尔结合亲和力，对VEGF-A和PD-L1保持亚纳摩尔结合亲和力。水印检测在0.1%假阳性率下达到100%真阳性率，且不影响关键结构指标如LDDT和模板建模分数。
推荐理由：研究者开发了两种功能保持型水印方法，通过体外实验验证了水印蛋白结合剂在SC2RBD、VEGF-A和PD-L1靶点上保持纳摩尔级结合亲和力。
ArchMap 是一款免费、无需编程的网页工具，可将单细胞数据集映射至参考图谱。该平台兼容基于 Python 的映射方法，解决了现有软件通常需要编码技能或许可证的限制。
研究人员开发了用于细胞学的通用基础模型CROWN。该模型旨在支持跨器官、疾病和临床场景的广泛诊断应用，突破了现有AI系统通常仅针对特定任务和样本类型的局限。
研究人员开发了可通过单次 AAV 递送的光开关 Cas12f 系统，结合聚焦超声实现深部组织基因编辑的远程激活，无需手术或植入设备即可精确控制编辑的时空特异性。
推荐理由：通过聚焦超声实现深部组织基因编辑的非侵入性控制，为体内基因治疗提供了新的操作范式。
指数加权集成深度学习模型在肺腺癌组织学生长模式分类中达到kappa值0.9648和96.52%准确率，显著优于最佳单模型（McNemar检验p<10^-12）。
研究人员开发了BOB-seq v0.1方法，通过酰化和点击化学将生物正交条形码直接连接到细胞RNA的多个内部位置。在物种混合实验中，逆转录酶从RNA模板切换到其连接的条形码准确率超过99%。该方法无需文库片段化步骤，可通过poly(dT)或随机六聚体引物选择3'末端计数或全长异构体捕获。药物筛选实验显示该方法能识别全转录组范围内的靶向和非靶向RNA剪接效应。
推荐理由：该方法通过生物正交条形码直接标记RNA内部多位点，在物种混合实验中实现了超过99%的模板转换准确率。
FRANK 机器学习模型利用 11,467 个转录组数据对 181 种儿童肿瘤及正常组织类型进行分类，在包含 16,398 个样本的九个数据集中实现 98.3% 的总体准确率。该模型在长读长 RNA 测序数据以及噪声和低质量数据中保持准确性，并在外部数据集上优于其他已发表的儿童泛癌种 RNA-seq 分类器。
预印本研究系统比较 ChIP-seq 和 CUT&Tag 在 K562 和 MCF-7 细胞系中多种组蛋白标记的检测差异。分析表明 CUT&Tag 在低 GC 区域灵敏度有限，而在高可及性染色质中信号增强；在活性基因体和 Polycomb 抑制域中分别丢失 H3K36me3 和 H3K27me3 信号。启动子区域差异与 GC 含量和染色质可及性系统相关。
SHERLOCK 是一个用于单细胞扰动分析的可解释深度生成框架，它将扰动效应表示为对潜在基线细胞状态的结构化干预。该框架学习相关且稀疏的扰动表征，能根据共享的转录反应对遗传和药理学扰动进行组织，并可量化不同条件下的扰动反应变化以及组合式建模组合扰动效应。在基因组规模CRISPR、化学和空间扰动数据集上的测试表明，SHERLOCK能够恢复与已知生物通路和药理学特性一致的扰动关系。
研究提出了两种互补的稳健性指标——分类稳定性评分和预测特异性评分，用于评估单细胞RNA测序数据中细胞类型标签转移算法的可靠性。在人类胎儿肾脏和四种iPSC来源的肾脏类器官数据集上的应用显示，人类胎儿肾脏大多数细胞类型稳健性评分较高，而类器官中上皮谱系的评分则因分化方案不同而异。模拟细胞移除实验验证了该指标能正确识别不可靠的分类。
研究人员利用细胞内冷冻电镜断层扫描结合蛋白质组学、整合结构建模和生物信息学，在最小细菌肺炎支原体中发现了一个连接 Sec 依赖蛋白转运与胞外折叠的复合物。该复合物能够同时支持共翻译和翻译后途径。
推荐理由：该方法整合了冷冻电镜断层扫描与蛋白质组学，可在细胞内直接发现未表征蛋白复合物，为细菌蛋白转运机制研究提供了新工具。
研究团队开发了 scSTAMP-seq 方法，利用光不稳定寡核苷酸和数字微镜器件产生的拓扑光梯度，在单细胞水平上实现 mRNA、DNA 可及性和 DNA 甲基化的空间解析。该方法在人类 iPSC 来源的胃泌样体中验证了 CDX2、SOX17 等谱系标记基因的空间表达模式，并分析了染色质调节因子的分布。数据已存入 GEO（GSE237524），代码开源在 GitHub。
推荐理由：该方法通过光控寡核苷酸和拓扑光梯度实现了单细胞水平上转录组和表观基因组的同时空间解析，为研究组织发育和疾病机制提供了新工具。
Anthropic 与霍华德·休斯医学研究所 Janelia 研究园区合作开发的 Model Hardware Standard (MHS) 软件框架，可将具有可编程接口的实验室设备连接成一个无缝系统。该框架允许人工智能代理控制设备并协调实验，使研究团队能在数小时内完成实验设置，显著缩短了从实验构想到运行所需的时间。
推荐理由：热度：X 浏览 2.1 万
unZipro 是一种几何深度学习框架，可将通用蛋白质设计模型适配于特定蛋白质家族。该框架利用元学习高效探索家族特异性适应度景观，在基因编辑、荧光素酶报告、转录调控和抗病毒等多个领域实现了快速蛋白质进化，且仅需最少的实验筛选。
研究团队基于4377个肉瘤和间叶性肿瘤的甲基化谱开发了新版肉瘤分类器v13.1，涵盖116个肿瘤亚类和93个甲基化类别。在1547例独立验证队列中，73%的病例获得分类器预测，其中91%与原始组织病理学诊断匹配，并为6%组织学不确定病例提供了分子诊断重新分类。
推荐理由：该分类器在四个独立队列中验证了91%的诊断匹配率，并为6%的组织学不确定病例提供了分子诊断。