Nat Commun：FinaleMe模型：基于血漿cfDNA片段化模式預(yù)測DNA甲基化水平和起源組織狀態(tài)
研究團隊開發(fā)了一種名為FinaleMe的計算方法，可預(yù)測每個cfDNA片段中每個CpG的DNA甲基化狀態(tài)，并獲得CpG位點的連續(xù)DNA甲基化水平；進一步從推斷的甲基化模式中預(yù)測相關(guān)的起源組織狀態(tài)。
Sci Immuno：中國科學(xué)技術(shù)大學(xué)崔國梁/馬思聰團隊合作發(fā)現(xiàn)鞘脂代謝產(chǎn)物促進腫瘤微環(huán)境中Treg細胞分化的作用機制
該研究測量了TME中的630種代謝物，并發(fā)現(xiàn)富集了絲氨酸和棕櫚酸，這是合成鞘脂質(zhì)所需的底物。
STTT：胡盛壽/陳亮團隊揭示新的調(diào)控心肌纖維化轉(zhuǎn)錄因子—PKNOX2
該研究利用優(yōu)化的單細胞核RNA測序方法對人類心臟的細胞組成及其轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)進行了深入研究。在成纖維細胞亞群分析中發(fā)現(xiàn)了一種新的心臟纖維化相關(guān)轉(zhuǎn)錄調(diào)節(jié)因子—PKNOX2，并在體內(nèi)外實驗中進行過表達和敲減
Nat Commun：AlphaFold2新方法高通量預(yù)測蛋白質(zhì)構(gòu)象分布，準(zhǔn)確率超80%
研究團隊提出了一種使用AlphaFold 2通過亞采樣多序列比對直接預(yù)測不同蛋白質(zhì)構(gòu)象相對種群的創(chuàng)新方法。
Genome Biol：中國醫(yī)科大學(xué)李薛鑫團隊開發(fā)多組學(xué)單細胞圖譜：構(gòu)建人體細胞多樣性的多組學(xué)百科全書
隨著技術(shù)進步和數(shù)據(jù)不斷積累，單細胞圖譜將持續(xù)更新和擴展。這一資源的不斷豐富將推動精準(zhǔn)醫(yī)療和個性化治療策略的發(fā)展，為疾病研究和新藥開發(fā)提供關(guān)鍵科學(xué)基礎(chǔ)。
Genome Med：單個cfDNA樣本產(chǎn)生2億個reads！新納米孔測序方法揭示癌癥cfDNA單分子甲基化譜
該文章介紹了一種納米孔單分子測序方法，用于有效地表征癌癥患者cfDNA的甲基化譜。
Nature：鐘聲課題組創(chuàng)新開發(fā)單細胞多組學(xué)技術(shù)MUSIC，同步分析多重染色質(zhì)相互作用、基因表達和RNA-染色質(zhì)關(guān)聯(lián)
加州大學(xué)圣地亞哥分校鐘聲課題組開發(fā)了一種創(chuàng)新的單細胞多組學(xué)核酸分析技術(shù)MUSIC，可用于同時分析單個細胞核內(nèi)的多重染色質(zhì)相互作用、基因表達和RNA-染色質(zhì)關(guān)聯(lián)。
杭師大劉俊秋/沈萬華教授團隊Sci. Adv.：光催化MOFs高效產(chǎn)H?O?激活神經(jīng)鈣離子信號和調(diào)控動物行為
研究員首次開發(fā)了基于小分子光催化劑的金屬有機框架（DCSA-MOFs），通過激光高時空分辨地照射在細胞內(nèi)的局部區(qū)域，能在細胞、組織和離體器官三個層面精準(zhǔn)調(diào)控Ca2+信號，最終控制動物的行為。
Nat Methods：謝曉亮課題組開發(fā)單細胞聯(lián)合三維基因組和轉(zhuǎn)錄組測序技術(shù)解析嗅覺受體選擇機制
該工作為理解嗅覺受體增強子與嗅覺受體基因的空間互作如何動態(tài)協(xié)調(diào)“一個神經(jīng)元，一個受體”選擇過程提供了寶貴見解。
Nature Medicine：TORCH模型：提高腫瘤原發(fā)位置預(yù)測準(zhǔn)確性，推動個性化癌癥治療
該研究展示了TORCH模型在預(yù)測原發(fā)性腫瘤起源（Primary Tumor Origins）方面的應(yīng)用，并與傳統(tǒng)的病理學(xué)家的診斷結(jié)果進行了比較。
Nat Commun：張鹍團隊開發(fā)多重RNA原位雜交技術(shù)DART-FISH，可準(zhǔn)確繪制人體組織圖譜
研究團隊介紹了最新開發(fā)的DART-FISH技術(shù)，能夠在厘米大小的人體組織切片中分析數(shù)百至數(shù)千個基因。
Genome Biol：ONT、PacBio長讀長測序CpG甲基化檢測工具的系統(tǒng)比較
首次對長讀長測序的CpG甲基化檢測工具進行了系統(tǒng)比較，包括最新的ONT?R10.4流動槽化學(xué)測序、氧化亞硫酸鹽測序（oxBS）以及SMRT測序。
NBT：葉凱團隊開發(fā)基于“序列-圖像”轉(zhuǎn)換的差異比較算法SVision-pro，實現(xiàn)高精確性SV檢測及分型
葉凱教授團隊開發(fā)了SVision-pro，這是一種基于神經(jīng)網(wǎng)絡(luò)的實例分割框架，能夠直觀地表示基因組到基因組水平的測序差異，并在無需任何推斷模型的條件下比較地發(fā)現(xiàn)基因組之間的SV。
