2014年，“生成对抗网络（GANs）” 理论框架的提出极大拓展了人工智能的应用边界，使其不仅能识别图像，更具备了“生成”内容的能力。2017年，Transformer 模型横空出世，打破了传统序列建模对时间顺序的依赖，极大提升了自然语言处理（NLP）系统的效率与性能，并直接催生了后来的 ChatGPT 和 GPT-4 等大型语言模型。人工智能与物理学、生物学、计算机科学、神经科学等学科的深度融合

TitleHuman Genomics for HealthDescriptionThis special issue highlights the critical role of population genetics in unraveling the genomic basis of human health and disease. By dissecting genetic varia

纵观HIV/AIDS从发现至今40年发展历程，其始终与科学技术、医学及社会的演进紧密交织：从20世纪80年代识别病原、药物治疗的科学突破，到90年代“鸡尾酒疗法”以高效抗逆转录病毒治疗临床实践，至21世纪艾滋病可治愈、可预防的医学探索，以及维持生活质量与可及性的长效预防策略，HIV/AIDS防治科技史呈现多维度、深层次的协同创新。随着病毒复制机制的深入解析，单药治疗产生了病毒高突变率带来的耐药问题

目前，许多表现优异的AI，其内部运作机制如同一个“黑箱”。而为了促进临床接纳，关键在于将AI明确为医生的辅助工具而非替代者，让一线医生深度参与AI系统的开发与验证，以其在减轻工作负担、提高效率方面的显著价值，逐步消除医生对技术可靠性的疑虑，最终实现医疗AI从“技术驱动”向“临床导向”的转变。in AI-assisted disease diagnosis”的观点文章（图1），从责任划分、数据伦理、

并且不同于其他病毒的囊膜蛋白的是，RABV-G的构象变化是可逆的。截至目前，RABV-G的“融合前”三聚体结构、早期-过渡态和晚期-过渡态的结构均已报道，但“融合后”三聚体结构仍未被解析，是未来亟待开展的重要研究方向之一。解析更多中和抗体与RABV-G的复合物结构，将有助于绘制更全面的RABV-G抗原表位图谱，推动疫苗与抗体药物的开发。”的综述文章（图1），聚焦狂犬病毒的关键毒力因子——糖蛋白，系

近年来，人工智能（AI）技术的发展正以前所未有的速度影响我们的世界。为什么人工智能研究领域受到全球关注？人工智能发展进程中又是如何演化的？本文从科学史的视角追溯了人工智能神经网络领域发展历程。本文综述了类器官的发展历史及其作为研究模型的优势，重点阐述了类器官在癌症发病机制研究及治疗中的研究进展，并重点讨论了类器官亟待解决的问题及其运用潜能，对类器官在癌症研究中的应用提供了综合全面的视野。本文综述了

2014年，“生成对抗网络（GANs）” 理论框架的提出极大拓展了人工智能的应用边界，使其不仅能识别图像，更具备了“生成”内容的能力。2017年，Transformer 模型横空出世，打破了传统序列建模对时间顺序的依赖，极大提升了自然语言处理（NLP）系统的效率与性能，并直接催生了后来的 ChatGPT 和 GPT-4 等大型语言模型。人工智能与物理学、生物学、计算机科学、神经科学等学科的深度融合