Cell：我国科学家利用人工智能驱动的策略实现了蛋白质的快速高效进化
研究人员开发了AiCEmulti模块，该模块整合了进化耦合约束。这使得在极低计算成本下准确预测多个高适应度突变成为可能，从而扩展了该工具的灵活性和实用性。
Science：利用AI设计出精确的分子制导导弹，精准攻击癌细胞
这种新开发的AI平台旨在解决癌症免疫疗法中的一个主要挑战：展示科学家如何开发针对肿瘤细胞的靶向治疗，同时避免损伤健康组织。
Science：利用人工智能揭示蛋白质稳定性规则，有望推进蛋白质工程变革
蛋白质稳定性遵循的规则比之前认为的更简单，这一证实可以大幅减少蛋白质设计的试错阶段，为开发具有医疗或工业应用的蛋白质（如更环保的催化剂或更持久的药物）节省大量时间和精力。
Cell子刊：上海交大孙加源/熊红凯/戴文睿团队开发肺病诊断AI系统，准确率媲美专家
AI-CEMA 系统通过提供自动化、无创且专家级的诊断，在胸腔内淋巴结肿大和肺部病变的临床诊断中展现了巨大潜力。
Science：新型人工智能工具模拟蛋白质动力学，助力药物发现和蛋白质研究
BioEmu将超过200毫秒的分子动力学模拟与实验数据相结合，以接近实验的精度预测结构集合和热力学性质。
Nature重磅：AI利用常规心电图发现结构性心脏病，准确率超越人类心脏病专家
结果表明，AI 辅助提高了心脏病专家通过心电图诊断结构性心脏病的准确率，但仍逊色于 EchoNext 模型的效果。
Nature Biotechnology：破壁！AI为药物数据搭建“通用桥梁”，新药研发迎来“宇宙大一统”？
CLIPⁿ的诞生，为我们解决HCS数据整合这一长期存在的挑战，提供了一个强大而优雅的解决方案。它通过巧妙的对比学习和专属编码器设计，成功地为描述细胞状态的各种“数据方言”创造了一种“统一语言”。
Cell：先导编辑+AI，全面解析ATM基因所有点突变的功能
该研究利用先导编辑和深度学习对 ATM 基因所有可能的 27513 种单核苷酸突变（SNV）进行了全面功能评估，并开发了一种深度学习模型——DeepATM。
Nature Medicine：如何用“病理学GPT”颠覆肺癌诊断，让三周等待缩短为44分钟？
EAGLE的出现，为他描绘了一幅崭新的图景：活检之后，不再是遥遥无期的等待和对组织耗尽的担忧。取而代之的，是一个快速、精准、无损的AI预筛查。
Nature子刊：多模态AI模型，预测心脏病患者死亡风险
该研究开发了一种多模态 AI 模型——MAARS，通过分析多模态医疗数据来预测肥厚型心肌病（HCM）患者的室性心律失常死亡。