本研究是全球最大规模的多队列蛋白质基因组学分析，涵盖78,664名受试者，鉴定出24,738个蛋白质数量性状位点，揭示了循环蛋白的遗传调控规律。研究强调反式遗传调控在疾病机制中的重要性，为药物开发提供了新线索，尤其在自身免疫性疾病的研究中具有潜在应用价值。

麻省理工学院与苏黎世联邦理工学院提出的APOLLO框架，解决了单细胞生物学中多模态数据整合的挑战，能够有效解耦共享信息与模态特异性信息，从而提高细胞状态解析的精度。该框架利用深度学习，推动单细胞技术在疾病机制研究中的应用。

研究癌症患者细胞基因表达有助于理解癌症的起源和治疗效果。麻省理工学院与苏黎世联邦理工学院的研究人员开发了一种人工智能框架，能够区分细胞状态信息的共享与独特部分，从而提供更全面的细胞状态视图。这将帮助科学家理解疾病机制并追踪癌症等疾病的进展。

谷歌DeepMind推出的AlphaGenome模型能够高效预测DNA序列中基因变异的影响，支持多种生物过程。该模型以百万碱基对的序列为输入，能在一秒内评估变异影响，表现出色，推动疾病机制研究和合成生物学的发展。

麻省理工学院的研究人员开发了一种新框架，用于高效测试多种治疗组合，帮助科学家理解疾病机制并开发新药。该方法通过随机分配治疗组合，减少实验偏差，优化实验设计，降低成本，未来有望应用于实际实验中。

研究人员开发了ProtGPS模型，能够预测蛋白质在细胞中的定位及其与疾病相关突变的影响。该模型基于氨基酸序列，强调定位对蛋白质功能的重要性，并验证了预测的准确性。研究表明，错误定位可能是疾病机制之一，ProtGPS有助于理解蛋白质功能及开发新疗法。

DeepMind于11月11日开源AlphaFold3，科学家可免费下载用于非商业用途。该工具在药物发现和分子生物学中具有重要潜力，尽管仍面临挑战。开源将促进学术研究，推动对疾病机制的理解。