基于AI的AAV衣壳库生成新方法，预测成功率近90%
近日，MIT-哈佛大学博德研究所（Broad Institute of MIT and Harvard）官网发布新闻稿，介绍了其载体工程化实验室如何通过结合机器学习方法解决基因治疗的关键问题&mdas
《JAMA·肿瘤学》：复旦附属肿瘤医院/仁济医院团队证实，血液多基因甲基化检测可预测肠癌患者早期复发风险
这项研究证明，通过检测6个ctDNA甲基化位点来评估ctDNA状态，这个易于实施的技术可重复且可靠，有助于进行风险分层、分子残留病变评估和复发检测。这项血液ctDNA多基因甲基化检测技术，能够帮助CR
ctDNA检测可超前并精准预测肺癌免疫治疗效果
研究者们使用验证集以及其它临床研究来源数据（OAK研究），评估了C3D1-ctDNA分析模型的区分准确度，发现高危患者的死亡风险远高于低危患者（HR=3.28），中位OS也分别为7.3个月和25.2个
Cell重磅：通过计算模型预测先导编辑效率及脱靶率，拓展其应用前景
这项发表在 Cell 的研究大规模分析了先导编辑效率数据，由此广泛表征了先导编辑的决定因素，并开发了一系列的计算模型来预测在多种细胞类型中不同先导编辑系统的效率，以及脱靶率。
npj Precis Onc：科学家成功预测癌症患者对化疗制剂顺铂的反应
来自凯斯西储大学等机构的科学家们通过研究在预测哪种疗法对个别癌症患者有效性方面迈出了重要一步，通过分析来自细胞系和人类组织中的基因特征，研究人员阐明了预测患者对化疗制剂顺铂反应的能力。
Nature：靶向PD-L2–RGMb有望增强克服肠道菌群相关的免疫治疗抵抗力，增强癌症免疫疗法的疗效
癌症免疫疗法已经改变了许多类型癌症的治疗。然而，由于仍然不甚明了的原因，并非所有患者都能从这些强大的疗法中获得同样的益处。
Science：新研究表明基因组分析可以帮助预测哪些哺乳动物面临最大的灭绝风险
在一项新的研究中，由美国圣地亚哥动物园野生动物联盟（San Diego Zoo Wildlife Alliance）和加州大学圣克鲁兹分校领导的一个研究团队发现，动物的基因组信息可以帮助预测哪些哺乳动
研究揭示低限定性语境下的语义预测加工
中国科学院心理研究所行为科学重点实验室李兴珊研究组青年特聘研究员屈青青牵头开展了一项研究，考察了在低限定性语境下，当语境仅提供抽象语义概念线索时，大脑是否基于有限的信息进行语义特征预测。
肺癌类器官预测临床疗效总准确率高达83.3%
药物敏感性与临床反应的总体一致性可达83.33%，LCO-DST在预测晚期癌症治疗反应中有极高的准确性，其在精确医学中具有巨大的潜力，后续可进行大规模临床试验，确定不同类型疗法的精确截止值。
通过AI模型预测mRNA降解，提高mRNA疫苗稳定性
研究团队使用深度学习（Deep Learning）技术创建了一个有效且可解释的模型架构——RNAdegformer，该技术可以比以前的最佳方法（如Degscore模型、RNA折叠算法和其他机器学习模型