无荧光标记从明场图像区分凋亡与焦亡，Deeptosis独立测试集AUROC均超0.98
准确区分凋亡（apoptosis）和焦亡（pyroptosis）对理解细胞死亡在免疫与疾病中的作用不可缺少，而两者形态相近、共享部分上游信号，让明场图像里的无标记区分变得很难做到（PMID: 41999938）。Deeptosis是一套端到端深度学习流水线，从明场图像输入，不引入任何荧光试剂，对每个细胞输出凋亡、焦亡还是其他类别的判断，独立测试集上AUROC分别达到0.990、0.982和0.983（PMID: 41999938）。
Cellpose切割单细胞，ViT做三分类
整个流水线两步走。第一步Cellpose做自动分割，把明场视野里的细胞一个个切出来，拆成单细胞图像块；第二步Vision Transformer（ViT）对图像块分类，输出凋亡、焦亡、其他三类。从原始明场图像到每个细胞的类别标签，整个过程设计成端到端，不需要用户在中间手动操作。摘要没有给出为什么选ViT而不是其他分类架构，能查到的是结果数字。
输出两份：一份色码可视化叠在原图上，让类别分布直接可见；另一份逐细胞的CSV，包含坐标、类别标签和置信度打分。后者比汇总计数有用得多——可以利用置信度对结果做加权，把低置信度的细胞单独拉出来人工复核，或者给下游统计分析保留更多信息。工具支持通过网页接口做批量分析（PMID: 41999938）。
26565个人工标注细胞与两组验证数字
训练集包含26565个人工标注的明场细胞，三类（凋亡、焦亡、其他）。
五折交叉验证的平均AUROC是0.999，接近理论上限；独立测试集上是凋亡0.990、焦亡0.982、其他0.983（PMID: 41999938）。两组数字要分开看。五折交叉验证是在同一批标注数据里划分训练与验证集，轮流做五次，验证的还是同一批人工标注的形态规律；独立测试集的设置不同，能更真实地反映模型面对新数据时的表现。0.999让人印象深刻，但0.990和0.982才是这个工具当前有参考价值的数字。
两组之间有落差，提示模型对训练数据的统计分布有轻微过拟合。这不是决定性缺陷，但使用者应该把预期建立在独立测试集的那三个数上，而不是交叉验证的那个数。
细胞类型与成像条件的泛化限制
26565个标注细胞来自哪几种细胞系？哪几台显微镜、什么放大倍率？同一实验室的批次还是跨机构采集？这些摘要里一律没有答案。
这不是可以略过的细节。细胞形态会随细胞类型和成像参数系统性变化，模型在某一套条件下训练出来，不能假定可以直接迁移到所有实验室。在某台设备上某种细胞里测到0.990，放到另一个实验室可能会打折扣，折多少现在没有数据。
实际引入这个工具之前，合理的做法是先在自己的细胞和设备上跑一批有参照的样本——用其他方法已经确认类别的一小组细胞——对上了再全量跑。论文把网页接口描述为“prototype”，意味着它尚不是生产级产品。代码在GitHub上（https://github.com/Bamba-WangLab/Deeptosis），自部署的稳定性一般比公共原型接口高。
无标记框架对程序性细胞死亡研究的位置
凋亡与焦亡的准确区分对研究细胞死亡在免疫与疾病中的作用不可缺少，而无标记明场区分正是当前的难点（PMID: 41999938）。Deeptosis的贡献在于提供了一个不依赖荧光试剂的定量分析框架，输出是逐细胞的结果，而不是粗粒度的类别比例。对想在不引入标记物的情况下做程序性细胞死亡分析的实验室，这个工具在技术路线上是有意义的选项。
前提是泛化性经得住更多验证。哪些细胞类型和成像条件下性能稳定、哪些条件下会失效，这份系统性的评估数据不在摘要里。这是这个工具当前真正需要的一步。
简讯
Paean（PMID: 41887362）是运行在GPU-CPU异构计算平台上的RNA-seq转录组定量系统，把基因表达量计算和可变剪接（alternative splicing）分析整合进同一流水线，速度超出现有基于CPU架构方法100倍以上，定量精度与现有方法相当。对TCGA数据集的10866个样本完成完整分析花了3400分钟。论文还展示了从RNA剪接事件识别肿瘤新抗原（neoantigen）候选的应用，对癌症免疫治疗和精准医学有应用价值，代码开源。
ShapeME（PMID: 41997213）针对蛋白质-DNA结合的结构基序（structural motif）发现，把序列与结构基序推断整合进同一工具，能接收ChIP-seq、RNA-seq、SELEX等多种数据类型。应用于ENCODE数据集后，作者发现对部分蛋白，ShapeME发现的短结构基序预测效力优于该蛋白在JASPAR数据库里最佳的位置权重矩阵（position weight matrix, PWM），也优于序列基序发现工具STREME。工具有网页界面（https://seq2fun.dcmb.med.umich.edu/shapeme）可直接使用。
- Paean: A Unified and Efficient Transcriptome Quantification System Using Heterogeneous Computing.，Journal of molecular biology（PMID: 41887362）
- ShapeME: A Tool and Web Front-end for De Novo Discovery of Structural Motifs Underpinning Protein-DNA Interactions.，Journal of molecular biology（PMID: 41997213）
- Deeptosis: A Deep Learning-Based Platform for Label-Free Discrimination of Apoptosis and Pyroptosis from Brightfield Microscopy.，Journal of molecular biology（PMID: 41999938）