Nature子刊：预测微生物群落入侵成功与生态影响，一作已回国并加入清华大学
这项研究为理解生态系统中多样性、稳定性与入侵性的关系提供了一个有效框架。通过仅使用几个群落尺度的粗粒化参数（例如种间相互作用强度和物种数量），即可有效预测微生物群落的入侵性及其影响。
BMJ：中国科学家发布帕金森病最新预测数据！到2050年，预计全球将有2520万名患者，中国患者数量或排名第一
到2050年，全球帕金森病患者将达到2520万，较2021年增长112%，其中人口老龄化是主要的驱动因素。
Nature Methods：从序列到结构——RhoFold+深度学习模型实现RNA 3D预测的高效革命
通过结合深度学习和语言模型的力量，RhoFold+实现了对RNA 3D结构的高效预测，克服了传统方法的瓶颈，为RNA功能和应用的深入研究开辟了新天地。
徐华强团队证实，AlphaFold3预测GPCR-配体复合物结构准确性不足
该研究为在GPCR研究中使用AlphaFold3的研究人员提供了有价值的见解，强调了基于实验的结构确定的必要性，并为未来在计算模型中改进蛋白质-配体相互作用预测提供了方向。
Mol Cell：识别出能预测肝癌患者对免疫疗法反应的特殊生物标志物
本文研究结果表明，通过促进STING/IFN通路，NBR1或能作为肝星状细胞中p62缺乏的合成易感性靶点，这或许就会增强机体CD8+ T细胞反应从而抑制肝细胞癌的进展。
Front Cell Dev Biol：小肠类器官模型的分化状态或会影响对机体药物诱导毒性的预测，为改进临床前药物安全性评估提供了新视角
这项研究中，研究人员已经证明，用于进行肠道毒性测试的类器官的分化状态会对最终得出的结论产生有意义的影响，因此在选择模型和解释预测毒性的安全阈值时应该予以考虑。
《神经元》：迄今最大规模研究新发现1164个与阿尔茨海默病相关的脑脊液蛋白，并构建出精准区分AD患者与健康人的预测模型！
研究运用机器学习开发了一种高准确性的AD生物标志物预测模型，可以精准区分AD患者与健康个体，并预测AD生物标志物阴性个体（即没有Aβ也没有tau蛋白聚集）未来进展为AD的风险。
斯坦福团队发现与AD认知障碍相关的新突触蛋白生物标志物，预测作用独立于Aβ和tau
这项研究使用6个前瞻性AD病例对照队列的3397名参与者的脑脊液样本，进行了大规模的蛋白质组学分析。
最新研究证实：日常体味（包括香水、护肤品等）不仅能预测两人的友谊潜力，还能成为友谊的助推器
我们的鼻子，或许比眼睛更早预判了谁会成为生命中的“长期访客”。由此看来，个人的气味管理也是十分重要的了~
Nature子刊：利用从唾液中发现的SNP标志物可能预测一个人患癌症、心血管疾病、糖尿病和神经退行性疾病的风险
将这项研究的数据与先前大型国际遗传学研究中关于慢性疾病风险的结果进行对比后，他们观察到，唾液中检测到的许多相同多态性与前列腺癌、冠心病、帕金森病和2型糖尿病等常见疾病的较高发病风险相关。