基因组基础模型没能多找出常见变异：27个UK Biobank性状上，标准注释仍领先
在27个UK Biobank性状上，用基因组基础模型（GFM）的变异打分替代或叠加标准功能注释，并未带来更多常见变异位点。AlphaGenome与Borzoi单独使用时位点增幅中位数为1.8%和3.8%，低于baselineLD的5.1%；GPN-Star反而减少位点。把GFM注释并入baselineLD后，位点变化中位数在−0.1%到0.2%之间，提示这些模型主要重复了标准注释已有的调控信息。
把论文变成可对话的智能体：Paper2Agent 的报道解读
据《自然》新闻报道，Paper2Agent 可读取一篇论文的正文、代码与数据集，将其放入 MCP 服务器，并由一组 AI 智能体自动构建能对该论文方法加以应用的工具，从而生成一个可用自然语言对话的“虚拟通讯作者”；报道称其在约 45 分钟内、以 14 美元算力成本为 AlphaGenome 论文生成智能体，该智能体在遗传学问题上接近满分，并优于包括 Biomni 在内的其他生物医学 AI 智能体，还被用于重新评估某个与“坏”胆固醇相关的 DNA 单字母变异所指向的因果基因，得出与原始论文不同的候选基因。
基因组基础模型衍生的扰动谱将体细胞突变与癌症生物学及临床结局联系起来
该研究使用 AlphaGenome 与 AlphaMissense 对来自癌症基因组图谱（TCGA）8,800 名患者、33 种癌症类型的体细胞突变进行扰动量化，发现复发性热点突变在蛋白层面预测效应更强，而非热点突变在多数癌症类型中调控效应更大；将变异层面预测聚合为患者-基因扰动谱后，这些谱具有基因与模态特异性，反映组织来源、癌症类型与微卫星不稳定性状态，并保留超出肿瘤突变负荷的信息；在缺乏复发性热点突变的患者中，更高的预测扰动与总生存相关，其中染色质可及性信号最强且最一致，在独立治疗注释队列中基因层面扰动也与治疗定义亚组内的生存相关。
已读完全部报道