标签
《麻省理工科技评论》报道了迪安妮·泰勒（Deanne Taylor），一位生物信息学负责人，她推动了儿童在人类细胞图谱中的代表性，并帮助启动了dGTEx项目，以绘制儿童健康基因表达图谱，解决儿科医学缺乏基线数据的问题。
本文介绍了CoCoS，一种对比预训练框架，通过互补的转录组视图学习全细胞表征，解决了单细胞基础模型中掩码基因重建的局限性。在细胞类型注释和基因调控网络推断实验上，展示了具有竞争力的迁移性能。
本文提出JoPMol，一种联合控制的精准分子生成模型，整合基因表达谱、分子结构文本和化学性质，生成个性化候选药物，性能优于现有最先进方法。
COAST是一个上下文感知的差分学习框架，用于从H&E组织病理学图像预测空间基因表达，采用联合绝对和带符号差分回归来捕捉空间关系。
Arc研究所的Hsu和Konermann实验室开发了COMBINE，这是首个系统测试表观遗传读取器、写入器和擦除器组合相互作用的平台，筛选了超过50,000个效应器对。
本文提出了首个用于通路引导的治疗反应建模的统一基准，评估了三种生物学信息驱动的架构（BINN、GraphPath、PATH），在来自癌症基因组图谱的五个癌症队列上，对靶向治疗、放射治疗和生存结局进行多标签预测。
本文介绍了VCR-Agent，一个多智能体框架，通过结构化形式化和VC-TRACES数据集生成并验证机制性解释，从而增强大型语言模型在生物学研究中的应用。该方法通过虚拟细胞中的验证性机制推理，提高了基因表达预测的事实准确性。