该研究提出了MicroVQA基准，评估科学研究中专家的图像理解和假设生成能力。通过1042道多项选择题，揭示了现有语言模型在多模态推理中的不足，强调感知错误是主要挑战，为AI驱动的生物医学研究提供了重要资源。

阿尔茨海默病等神经退行性疾病与蛋白质-RNA结合异常有关。研究者提出CoPRA模型，通过结合蛋白质和RNA的语言模型，预测结合亲和力，取得了优异的性能，推动了生物医学研究的进展。

本研究提出了一种适应性方法，以提高蛋白质-蛋白质相互作用分析的可靠性，增强计算生物学的可信度，为精准医学和生物医学研究提供了重要潜力。

可穿戴设备在生物医学研究中越来越常用，长期跟踪可提供对健康变化的模式和改变的洞察力。本文回顾了三种模型：例行事务、节奏和稳定度指标，并讨论了处理不同时间动态下的可穿戴传感器数据的挑战。同时，指出了当前的局限性并提出了未来工作的方向。

本研究介绍了QuST-LLM，一种利用大型语言模型（LLMs）分析和解释空间转录组学（ST）数据的创新扩展。QuST-LLM通过提供全面工作流程，简化了ST数据的复杂和高维属性，提高了数据的可解释性。它为研究人员提供了解开组织空间和功能复杂性的强大功能，促进了生物医学研究的新见解和进展。