空间组学数据解析肿瘤微环境的异质图学习方法
该研究提出了名为stKeep的新模型。该模型构建了三种不同节点即细胞/spot、基因和肿瘤区域以及八种连接关系的异构图模型，用于刻画肿瘤微环境。
为什么说要「遇事别往心里去」？多项研究证实：焦虑和愤怒会加速衰老、增加心血管疾病风险、影响线粒体功能
不要让焦虑和愤怒主导你的生活，选择一种积极、乐观的态度，以微笑迎接每一天！毕竟，我们能够掌控的，远不止情绪，还有我们的健康和未来。
百图生科发布xTrimo V3生命科学基础大模型 全模态突破赋能更多研发场景
据悉，xTrimo V3参数量突破2100亿，继续保持全球规模最大的全模态生命科学大模型的领先地位。
Cell重磅：章冰/高强团队等利用泛癌蛋白基因组学分析，绘制癌症治疗靶点全景图
临床蛋白质组肿瘤分析联盟（CPTAC）对1000多个前瞻性收集的、未经治疗的原发肿瘤进行了蛋白质组学和基因组学特征分析，涵盖了10种癌症类型，其中许多肿瘤还配有相应的正常组织样本。
研究发布茶树化学多样性的遗传和代谢全景图
研究团队开发了茶树大规模靶向代谢物分析方法，在215份多样的茶树资源的两个组织（一芽一叶，第三叶）中测定到2800多种代谢物，并进一步构建了代谢物同分异构体和修饰网络。
百图生科与赛诺菲合作开展基于AI大模型的药物研发
除了赛诺菲的专有数据、蛋白质工程创新、丰富的生物制剂研发经验以及本协议的资金方面之外，双方还旨在搭建起先进的人工智能及大语言模型，以提高蛋白质设计能力，进一步突破百图生科平台的优越学习迭代能力。
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
多层级的图神经网络推动蛋白质功能预测的发展
高通量测序的进展推动了蛋白质序列数量的快速增长。尽管如此，由于实验研究需要较长的周期并且费用昂贵，大部分蛋白质序列缺乏功能注释。因此，具备自动而准确推断蛋白质功能的计算方法变得至关重要。
复旦大学赵兴明/杨禹丞团队构建人脑非编码调控元件互作网络图，精细定位脑疾病基因
综上所述，该研究构建了人脑中的非编码调控元件互作网络的概览图，分析了其在神经细胞和组织中的特异性，并据此对脑疾病基因进行了系统而精准的定位，为理解脑疾病和行为认知表型的遗传调控机制提供了新见解。
清华大学开发冷冻电镜密度图分辨率估计的人工智能算法
清华大学生命科学学院/结构生物学高精尖创新中心/清华-北大生命科学联合中心张强锋副教授课题组在《分子生物学》（Journal of Molecular Biology）杂志在线发表题为“CryoRes