Nat Mach Intell：新型人工智能模型或能预测基因突变对特定人类疾病的影响效应
来自 Cedars-Sinai 医疗中心等机构的科学家们通过研究开发了一种名为 DYNA 的新型人工智能模型，其有望成为精准医疗领域的“超级英雄”为个性化医疗和靶向治疗开辟全新道路。
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。
Cancer Sci：ctDNA监测联合全基因组分析或能有效预测癌症患者的疾病复发和对疗法的反应
研究结果表明，利用OTS试验系统来监测ctDNA或能与CGP数据进行有效结合来预测多种类型癌症患者的治疗结局，这一发现代表着科学家们在个体化精准医疗研究领域向前迈进的巨大一步。
npj Precis Onc：新识别的RNA分子或能帮助临床医生预测结直肠癌患者的疾病是否会复发？
来自奥塔哥大学等机构的科学家们通过研究将处于疾病早期阶段的结直肠癌患者分为会继续进展为转移性疾病和复发的患者以及不会继续进展的患者，这或许能帮助患者获得更好的治疗结果。
Nature子刊：浙大熊旭深团队开发基于Transformer的语言模型，预测翻译调控并解析疾病变异
该深度学习模型Translatomer为领域提供了研究基因翻译调控的新工具，还为解释复杂疾病中的遗传变异提供了除了mRNA水平之外的重要机制基础。
Nature Medicine：CAR-T疗效“先知”——InflaMix模型精准预测，助力患者选择
研究人员创新性地构建了一个名为“InflaMix”（炎症混合模型）的预测模型，它就像一位经验丰富的“预言家”，仅凭患者在CAR-T治疗前的14项关键指标，就能初步洞察治疗的成败。
Leukemia：新型测试手段或能帮助预测癌症疗法的危险副作用
他们发现了一个关键线索，即一种名为C1RL的蛋白质在ICANS患者中水平升高，而另一种名为FUCA2的蛋白质则水平降低。基于这两种蛋白质的比值，研究人员开发出了一种预测模型。
《自然·衰老》：全面预测衰老！5万余张“脑片”分析发现，大脑成像数据可预测认知障碍、脑萎缩、老年人身体虚弱、慢性病等等结局
本次研究使用的则是达尼丁研究中，860名参与者45岁时收集的单次T1加权MRI扫描数据，通过包含315个脑结构特征的弹性网回归模型建立了DunedinPACNI。
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。
Nature：解码基因调控——GET模型如何颠覆传统预测方法
该研究旨在从染色质开放性数据和基因序列信息中学习调控规则，实现对基因表达的高精度预测。该模型的推出标志着转录调控研究进入了一个全新的阶段。