ecDNA是一种脱离染色体的环状DNA，推动癌症的快速进化和耐药性。它通过随机分配和动态拷贝数重塑基因表达和免疫逃逸机制，使癌细胞具备强大的适应能力。ecDNA的出现可能不仅是癌症的结果，也可能是癌变的原因，早期检测有助于干预癌症发展。科学家正在探索针对ecDNA的新治疗策略，以应对癌症的复杂性。

本文介绍了NeoCOAST-2试验，评估免疫检查点抑制剂与化疗及新型靶向药物联合治疗可切除非小细胞肺癌的效果。结果显示，含datopotamab deruxtecan的治疗组病理完全缓解率最高，且安全性良好，支持未来更大规模试验的开展。

密苏里大学研究人员开发了一种先进的人工智能工具，能够预测单个细胞内染色体的三维结构。这一创新为基因组织和功能提供了重要见解，显著推动了遗传和生物医学研究。该工具能有效解析噪声和不完整数据，准确识别生物结构，分析人类单细胞数据的准确率超过以往方法的两倍。研究团队计划进一步提升该工具，以重建整个基因组的高分辨率结构。

科学家们发布了有史以来最大的生物人工智能模型Evo-2，该模型基于128,000个基因组进行训练，能够编写染色体并理解复杂的DNA变体。Evo-2由Arc研究所、斯坦福大学和NVIDIA共同开发，旨在帮助科研人员解读基因组特征并推动基因组设计的进步。

本文报道了关于不同研究领域的最新研究成果，包括PIWI蛋白在转座子沉默中的作用、损伤对肿瘤细胞扩张的影响、组蛋白去甲基化酶KDM5D在结肠癌中的作用、小鼠早期发育中核糖体占用的单细胞定量、T细胞受体α多样性的起源和进化延展性、肿瘤免疫类、胃癌多组学分析、基于生物库级别数据的遗传图谱快速估计、多功能微电子纤维能够无线调节肠道和大脑神经回路、picoMeRIP–seq：单细胞m6A检测、气道微生物组与肺功能损伤、卵巢早衰致病性变异的外显率、扩展空间转录组学、In silico 遗传相互作用和必要性网络分析、细胞形状研究框架FlowShape、宏蛋白质组分析方法MetaNovo、大肠杆菌菌落的全细胞建模能够量化抗生素反应中的单细胞异质性、通过强化学习建模和预测癌症克隆进化、使用 FracMinHash 导出各种进化距离内突变率的置信区间、快速外显子组测序在近亲人群中的临床应用、跨临床试验的全基因组测序确定了 GPR