南方医科大学Echo博士将于2026年4月27日直播分享其发表在《Frontiers in Immunology》（IF=5.9）的研究成果。该研究通过整合生物信息学与机器学习，首次揭示泛凋亡（PANoptosis）是驱动糖尿病肾病免疫激活和肾小管间质损伤的核心机制。研究鉴定出6个关键泛凋亡枢纽基因（YWHAH、PRKACB等），构建了具有诊断价值的风险评分模型，并筛选出CASP1、FAS等4个潜

《Nature Biotechnology》最新研究提出混合蛋白质结构预测方法D-I-TASSER，结合深度学习与物理模拟，显著提升预测精度。该方法在单/多结构域蛋白质预测中均优于AlphaFold系列，CASP15盲测表现突出，尤其对复杂多结构域蛋白提升显著。成功预测81%人类蛋白质结构域，与AlphaFold2结果高度互补。研究证明深度学习与物理模拟融合的策略可突破现有技术瓶颈，为结构生物学难

《STAID：一种基于生物信息建模的空间细胞类型去卷积自优化深度学习框架》发表于《Advanced Science》（IF=14.1）。该研究针对空间转录组数据分辨率不足的问题，提出创新性深度学习框架STAID，通过整合伪点生成与模型训练形成自我优化闭环，并引入图信号处理建模基因共表达关系。在乳腺癌、胚胎发育等复杂组织分析中，STAID展现出优于11种现有方法的性能，能精准识别肿瘤细胞群、解析胚胎

浙江大学良渚实验室沈宁课题组在《Nature Genetics》发表综述，系统回顾了AI驱动的RNA剪接预测算法发展历程，从早期的统计模型到当前的深度学习与基因组大模型。文章重点分析了算法设计中的关键维度，包括训练数据规模、模型结构、预测输出分辨率等，揭示了可变剪接预测正从局部规则向长序列建模、组织特异性预测进阶的转变趋势。随着模型能力的提升，剪接预测算法在临床变异注释、疾病机制研究和靶向治疗设计

浙江大学沈宁课题组在《Nature Genetics》发表综述，系统回顾了AI驱动的RNA剪接预测算法发展历程。文章指出，从传统统计模型到深度学习和大语言模型，剪接预测精度显著提升，但仍面临组织特异性、突变效应预测等挑战。研究强调，剪接预测需与实验验证结合，在疾病诊断和靶向治疗（如ASO药物设计）中具有重要价值。未来方向应注重多模态数据整合与模型可解释性，而非单纯扩大模型规模。该综述为计算生物学和

斯坦福大学等机构开发的通用生物医学AI智能体Biomni，通过整合150个专业工具、105个软件包和59个数据库（Biomni-E1环境），结合动态任务规划与代码执行能力（Biomni-A1架构），显著提升研究效率。在标准化测试中，其准确率（57%）超越专业AI与人类专家，且耗时大幅缩短（如罕见病诊断从110分钟降至3分钟）。实际应用中，Biomni可自主完成复杂任务，如分析14亿条可穿戴设备数据

本文系统阐述了在生物信息学分析中使用服务器的十大优势，包括接入AI Agent、高配置性能、高性价比、24小时不间断运行、高速网络、专业技术支持、可靠数据存储、原生Linux环境、开箱即用的分析环境和丰富的增值服务。文章还介绍了服务器产品信息，并提供了详细的免费服务器领取流程，帮助生信研究人员高效、稳定地完成数据分析工作。

本文系统阐述了在生物信息学分析中使用服务器的十大优势，包括接入AI Agent、高配置性能、高性价比、24小时不间断运行、高速网络、专业技术支持、可靠数据存储、原生Linux环境、开箱即用的分析环境和丰富的增值服务。文章还介绍了服务器产品信息，并提供了详细的免费服务器领取流程，帮助生信研究人员高效、稳定地完成数据分析工作。

Bulk转录组与单细胞RNA测序联合分析教程 本教程提供了一套整合Bulk RNA-seq与scRNA-seq数据的分析方法，重点结合TCGA临床数据与单细胞分辨率进行生存分析。主要内容包括： 数据准备：TCGA-LIHC数据集处理与单细胞Seurat对象整合 Bulk数据分析：单基因/多基因/临床变量的生存分析（KM和Cox回归） 联合分析方法： 使用BayesPrism进行反卷积，预测Bulk

AI驱动发现跨癌种CAR-T疗法新靶点GPNMB 《Cell》最新研究利用AI技术突破CAR-T疗法瓶颈，通过整合单细胞测序数据与多模态生物信息库，结合ChatGPT-4o等大语言模型系统性筛选，鉴定出糖蛋白GPNMB作为跨血液瘤和实体瘤（如黑色素瘤、结直肠癌）的通用靶点。实验验证显示，GPNMB CAR-T在白血病和多种实体瘤模型中均实现强效杀伤且安全性良好。该研究创新性地建立了AI辅助靶点发现