GEO 数据集 GSE276212 收录的 Spatial-GT-seq 研究，在同一肿瘤组织中以近单细胞分辨率联合分析基因组与转录组。在肺转移小鼠模型中，研究识别出肿瘤亚克隆，并显示同一克隆的基因表达谱会受到肿瘤微环境改变。对原发与复发人胰腺神经内分泌肿瘤的分析则识别出持续存在和新出现的亚克隆，两处样本均出现转录变化。
推荐理由：Spatial-GT-seq 将基因组与转录组在近单细胞分辨率下联合定位，可用于研究肿瘤亚克隆、转录状态与微环境之间的关联。
Arc Institute 团队在两篇 bioRxiv 预印本中报告，Evo 2 仅用 4–64 个上下文示例且无需额外训练，即可生成覆盖 5 类调控模式的功能序列。
推荐理由：Evo 2 以少量上下文示例完成五类调控序列设计，并经 AAV 递送在小鼠脑内验证，为低样本生物序列生成提供了可复用路径。
Dobner、Prigione和Rossi团队建立了67个经验证的标志基因面板，并开发免费Web应用DeepDiff，用于自动注释bulk RNA-seq数据中的早期hPSC分化状态。
推荐理由：这项研究以67个经验证标志基因和DeepDiff整合转录与蛋白层信息，为hPSC分化状态判读提供可复用参考。
Arc Institute、Biohub、UCSF 和 Vector Institute 团队开发 eclair-CLIP，并为人类细胞中的 67 种癌症相关 RNA 结合蛋白建立图谱，在单核苷酸分辨率下映射超过 9 million 个 RNA 结合位点。
推荐理由：文章说明统一小标签和红外检测如何减少 CLIP-seq 对特异性抗体与放射性标记的依赖，并展示图谱进入模型训练后的应用路径。
Broad Institute 构建了包含来自超过 1,100 名芬兰献血者的 10 million 个以上免疫细胞图谱，用于关联疾病相关调控变异与其控制基因。方法以染色质可及性及其与邻近基因表达的关联为基础，识别更可能致病的遗传变异，并观察细胞如何缓冲关键基因表达。
推荐理由：该图谱将疾病相关调控变异与其控制基因相连接，并呈现细胞缓冲关键基因表达的方式，为遗传变异致病机制研究提供细胞级线索。
Broad Institute等机构团队在Cell发表研究，揭示亨廷顿病中HTT基因CAG重复扩张至约150次后，会导致纹状体投射神经元基因表达紊乱并死亡。研究分析了53名患者和50名非患者捐献的脑组织、超过500,000个单细胞，发现部分神经元可扩增至800次CAG重复，并指出降低HTT蛋白表达的候选疗法可能只影响少量细胞，提出减缓CAG重复扩张这一补充策略。
推荐理由：研究把亨廷顿病的致病过程定位到单细胞层面的CAG重复扩张，并据此提出减缓CAG重复扩张的潜在治疗方向。