回顾与分析

通过建模的概率N⁶-甲基腺苷(m6A) RNA修饰从直接RNA测序中读取，m6Anet实现了较高的分类准确性，并朝着m6A修饰的单碱基单分子分辨率转录组范围的地图迈进了一步。

利用成像技术实现实时单一病毒跟踪的多路复用为获取病毒与宿主相互作用的详细信息铺平了道路，提供了一种潜在的范式转变。

超折叠黄色荧光蛋白(hfYFP)及其变体是一种具有较高化学稳定性和热稳定性的荧光蛋白。它们抗聚集，经得起各种化学挑战，并在膨胀和电子显微镜中显示出希望。hfYFP的耐氯离子性和胍的不可思议的稳定性使得在变性条件下荧光引导蛋白纯化成为可能。

基于机器学习的常见细胞分割模型对于测试图像与训练图像有很大差异的图像表现不佳。Cellpose 2.0允许生物学家在自己的成像数据上快速训练最先进的分割模型。这在以前只能使用大型的带注释的数据集，并需要专业的机器学习知识。

在非编码基因组中检测罕见变异关联具有挑战性。我们为生物库规模的全基因组测序数据提供了一个可扩展、灵活和精简的稀有变异关联分析框架，包括基因中心和非基因中心分析，通过使用各种编码和非编码单元、条件分析、结果总结和可视化，结合多种变体功能注释。

光片荧光显微镜(LSFM)与结构照明的组合比LSFM单独的分辨率提高了一倍。我们展示了一个使用单一物镜进行照明和荧光检测的实际实现，并演示了其用于快速体积成像。

用自动化工具生成整个幼虫斑马鱼大脑电子显微镜体积，为产生第一个脊椎动物大脑连接体奠定了基础。

OCTOPUS是一种用于长期高保真类器官培养的生物工程设备。

本观点描述了使用光片显微镜时可能发生的常见缺陷，并为改进这些仪器的定量成像提供指导。

Light-Seq将高分辨率成像与固定生物样本中选定细胞群的下一代测序相结合。具体来说，显微镜下分析的细胞可以进行RNA表达谱分析，同时保持样品完整，以供进一步分析，使细胞表型和状态能够在原始组织的背景下进行评估。

一种整合丰富的异质大脑数据的方法——从基因表达和神经递质受体密度到结构和功能——允许神经科学家轻松地将他们的数据置于更广泛的神经科学背景中。

本文综述了近年来在研究RNA结构的实验和计算工具方面的方法进展，为实验学家和计算专家之间的交流提供了桥梁。

由公民科学家设计并在高通量实验中探测的RNA分子突出了RNA折叠算法在预测RNA结构整体能力方面的差异。这些数据集被用于训练一种新算法，该算法在一组独立数据集(包括病毒基因组rna和细胞中探测的mrna)中表现出更好的性能。

RNA是真核生物染色质的重要组成部分，但识别和绘制RNA的技术非常繁琐。我们采用了现有的基于标记的分析技术，使染色质相关rna在一个简单的工作流程中进行分析，增强了识别调控rna的能力。

BIONIC(使用卷积的生物网络集成)是一种可扩展的深度学习网络集成方法，可以学习和结合一系列生物网络类型的不同数据表示，以巩固基因功能的知识。BIONIC比现有的集成方法更全面、更准确地捕捉生物信息。

一种基因编码的绿色荧光催产素传感器，MTRIA_不，提供了一个实时记录活体动物大脑催产素动态的机会。

TracX表明，对轨道分配的快速校对可以改善单元格跟踪性能。

在同一个细胞中进行多种形态的联合分析具有挑战性。我们开发了一种模块化设计的方法，能够同时检测染色质可达性和单细胞内的转录组，具有灵活的吞吐量。

一种使用3D支架的组织工程方法能够从诱导多能干细胞(iPSCs)中生成人造人类胸腺。人工胸腺可用于研究造血人化小鼠的人T细胞发育。

显微镜学、计算机视觉和开源软件的进步正汇聚在一起，迎来一个显微镜可以自我控制的新时代。