Nature：利用人工智能确定了癌症中的21种拷贝数标记
研究机构的研究人员利用人工智能（AI）研究并分类了癌症起始和生长时基因组---细胞的完整遗传密码---中DNA变化的大小和规模。
Science：在迄今最大规模的全基因组测序数据中鉴定替换突变特征
突变特征（mutational signature，也译为突变信号、突变标记或突变签名）---在肿瘤发生过程中起作用的DNA损伤和修复过程的印记---使人们了解每名患者所患癌症的环境原因和内源性原因。
Diabetes Care：一种基于机器学习的算法或能更好地管理糖尿病和心血管疾病风险
来自耶鲁大学等机构的科学家们通过研究开发了一种名为INSIGHT的新型在线工具，其或能为SGLT2抑制剂在开具处方时提供一种机器学习方法，从而让2型糖尿病患者获益最大。
Nat Med：科学家有望利用人工智能技术来准确诊断人类的前列腺癌
来自拉德堡德大学医学中心等机构的科学家们通过研究共同完成了一项关于用于诊断和对前列腺癌进行评级的人工智能技术的全面国际验证，研究人员发现，AI系统或能与病理学家一样，识别并对来自不同国家的组织样本中的前列腺癌进行识别和分级，因此AI系统或许有望作为一种辅助工具引入到前列腺癌的诊断和治疗过程中去。
PNAS：科学家开发出能预测癌症患者对药物产生反应的新方法—TRANSACT
来自荷兰癌症研究院等机构的科学家们通过研究开发了一种算法来预测患者对抗癌药物所产生的反应，这或许就能帮助研究人员迅速确定一些药物是否会对特定患者产生积极性的影响，即使是像化疗这样通常难以预测反应的复杂药物等。
Nat Biotechnol：新型计算方法CoNGA为预测T细胞行为奠定基础
研究人员开发出一种称为CoNGA的新型计算方法，它可能有助于人们关注将T细胞受体（TCR）基因序列和T细胞功能相关联在一起的隐藏生物模式。此外，利用CoNGA，他们可以分析从单个T细胞中收集到的复杂数据，以揭示新的T细胞群体，并揭示塑造T细胞发育的TCR特征。
Science：利用新型机器学习技术准确预测蛋白和RNA的三维结构
美国斯坦福大学博士生Stephan Eismann和Raphael Townshend在该大学计算机科学副教授Ron Dror的指导下，利用巧妙的新型机器学习技术，开发出一种通过计算预测准确结构来克服这一问题的人工智能算法。最值得注意的是，即使只从少数已知结构中学习，他们的方法仍然成功，这使得它适用于那些结构最难通过实验确定的分子类型。
Genome Biology：科研人员开发出在单细胞中识别染色质类染色质拓扑相关结构域结构的算法
基因组DNA和组蛋白以特定的形式高度折叠在细胞核中，这一高级结构即三维基因组学，对细胞核内的诸多生命活动至关重要。基于染色质构象捕获（3C），尤其是高通量技术（Hi-C，ChIA-PET）的发展推动了三维基因组的研究，发现了包括染色质拓扑相关结构域（TAD），染色质环等一系列层次化的结构特征。近年来，单细胞水平下的Hi-C研究成为三维
Science：新型微型化高密度探头Neuropixels 2.0可稳定地长期记录大脑
2021年4月19日讯/生物谷BIOON/---基于互补金属氧化物半导体硅制造技术的电极阵列，如Neuropixels探针，已经能够记录活体大脑中成千上万个神经元。这些工具已经导致了关于感知和行动的全脑相关性（brain-wide correlates）的发现，但主要用于短时间的头固定时的记录。然而，为了研究跨时间尺度的神经元处理动态，有必要对神经元进行数周
elife：细胞学研究帮助揭示单个细胞的健康与异常行为
在研究诸如阿尔茨海默病或​​帕金森病等神经退行性疾病的原因和潜在治疗方法时，神经科学家经常努力准确地识别出需要了解大脑活动所需的细胞，这些细胞会导致行为改变，例如记忆力下降或平衡与震颤减弱。