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。
Google DeepMind与Google Research联合WRI和IIASA发布ForTy 2020，将全球每个10-by-10-meter地块划分为六类森林或土地利用类型。
推荐理由：ForTy以10-meter分辨率区分森林类型及年度变化，为EUDR合规、供应链追溯和自然林保护提供更细的空间依据。
Google Earth AI 更新 Geospatial Reasoning Agent，加入多步骤推理的前置规划与私有数据接入，并发布 GeoExpertQueries 和 GeoKTools 的开发集。
推荐理由：四个基准的对照结果与合作方实测并列呈现，为评估地理空间智能体的工具收益、规划作用和早期使用范围提供具体参照。
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。
Isomorphic Labs 以创始成员身份加入 Virtual Biology Initiative，参与建设用于预测生物学、支持疾病研究与治疗的 AI-ready 生物数据开放资源。该倡议由 Biohub 召集，参与组织将投入资金、数据、算力和新的测量技术。
推荐理由：Isomorphic Labs 以创始成员身份参与跨组织计划，相关组织将投入资金、数据、算力和新测量技术，推动形成开放的生物数据资源。
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。