全ゲノムデータを用いた新しい研究において、「CASTER」が提案された。CASTERとは、部位パターンと呼ばれるDNA配列の並びを利用して、種間の進化的関係を示す図「種系統樹」を推定するツールである。卓越した精度と拡張性を備え、従来の系統学的手法の限界を克服したこのツールは、進化研究を変革する可能性を秘めている。ゲノムデータの利用可能性が高まっていることから、正確な種系統樹を描き、遺伝子系統樹の変化をモデル化する取り組みが再び活発になっている。しかし、ゲノム規模のデータを利用する手法は、データの利用可能性に後れを取っている。従来の手法は不完全遺伝子系統仕分け（ILS）に苦戦しており、2段階アプローチは計算上の課題に直面している一方で、部位に基づく新たな手法はILSに対処できるものの、拡張性と精度の問題がネックになっている。これを受けてChao Zhangらは、全ゲノムアラインメントから種系統樹を直接推定する新しい手法、CASTER（Coalescence-aware Alignment-based Species Tree Estimator）を開発した。Zhangらは、これまでに研究されたゲノムデータセット（鳥類と哺乳類を含む）に対して広範なシミュレーションおよび分析を行うことにより、組み換えが起こった何百ものゲノムを正確な系統学的推定に基づいて解析する際に、CASTERは概して他の最先端の手法よりも迅速かつ正確であることを実証した。しかし著者らは、CASTERは有望ではあるが、枝長がないことや特定の進化モデルの仮定に依存していることなど、限界があると述べている。今後の開発では、こうした理論的および現実的な課題に対処し、このツールの適用範囲をより広範なデータ型やより複雑な生物学的シナリオに拡大することを目指すという。 研究公正の問題に関心がある記者に向けて、著者のSiavash Mir Arabbaygiは次のように述べている。「我々の研究分野は、実際に使用される（ほぼ）すべてのツール（本論文で紹介する手法と、我々の研究室で導入したその他のすべての手法を含む）をオープンソースにすることで、大きな進歩を遂げてきた。しかも、この分野の一流学術誌は、Dryad、Zenodo、FigShareなどのリポジトリでデータを公開するよう著者に促すという、立派な取り組みをしている。著者らがさまざまな詳細度でデータを提供しているのは、一つには大規模なデータセットをエクスポートするのにこうした工夫が必要なためであり、また一つには公開リポジトリには提供データのサイズに関していくつかの制限があるためである。他の分野とは異なり、系統学研究はデータ共有に関して非常にオープンで寛大である。」

私たちの社会に革命をもたらす大規模言語モデル（LLM）へと進化することになった初期のニューラルネットワークは、もともと、脳がどのように情報を処理するかを研究する目的で開発されました。皮肉なことに、これらのモデルが洗練されるにつれ、内部の情報処理経路は不透明になっており、現在では何兆もの調整可能なパラメータを持つモデルも登場しています。 しかし、このほど、沖縄科学技術大学院大学（OIST）認知脳ロボティクス研究ユニットの研究チームが、ニューラルネットワークのさまざまな内部状態にアクセスできる新しいアーキテクチャを備えた身体性知能モデルを開発しました。このモデルは、子どもが一般化する方法を学ぶのと同じ方法で学習しているように見えます。

Tina Lüdeckeらの新しい研究によると、南アフリカのスタルクフォンテイン化石遺跡で発掘された7つのアウストラロピテクスの標本は草食性のヒト族で、肉は大量には食べていなかったという。Lüdeckeらは、化石標本の歯のエナメル質から抽出した有機窒素と炭酸塩炭素の同位体を分析し、そのヒト族が何を食べていたかを突き止めた。初期のヒト族は動物性食料を摂取することで、脳が大きくなり、腸が短くなり、背が高くなったという説があり、これらは全てヒトの進化における重要な事象である。同時期（約370万年前）の切断されて解体された骨や一部の石器がアウストラロピテクスが肉をいくらか食べていたことを示唆してはいるが、肉食だったという直接的なエビデンスはない。Lüdeckeらは、アウストラロピテクスを含む43の動物化石と現代のアフリカの哺乳類のエナメル質の窒素同位体測定値を分析し、既知の肉食動物と草食動物におけるこれらの同位体の特徴を明らかにした。その結果、肉食動物群と草食動物群ではエナメル質の同位体は明らかに違い、アウストラロピテクスのエナメル質は草食動物群のそれとかなり似ていたことが判明した。アウストラロピテクスはマメ科植物若しくはおそらくシロアリといった高カロリーで窒素同位体比の低い物を食べていた可能性があると、Lüdeckeらは述べている。しかし、ヒトの進化の顕著な特徴である脳の大きさなどの特徴を変えるほど大量の肉を食べていた可能性は低いと結論付けている。

Thomas Hayesらは、ESM3と呼ばれるマルチモーダル生成言語モデルに基づいて、これまで知られていなかった明るい蛍光タンパク質を生成・合成した。既知の蛍光タンパク質とは遺伝子配列が大きく異なるため、研究者らは、その生成はESM3が5億年の生物学的進化をシミュレートしたようなものだと述べている。このモデルは、自然に進化したタンパク質がどのように働くのかをよりよく理解するため、並びに医療、環境修復、およびその他の多くの用途に使用される新規タンパク質を開発するために、タンパク質の可能性の空間を「探索」する新しい方法を提供すると考えられる。ESM3は、タンパク質の配列、構造および機能を、生成言語モデルで組み合わせることができる個別のトークンのアルファベットで表すことによって説明できる。この戦略は、タンパク質配列のみを尺度とした言語モデルのこれまでの使用法とは異なる。ESM3のトレーニングデータは、31億5千万個のタンパク質配列、2億3600万個のタンパク質構造、および機能アノテーション付きの5億3900万個のタンパク質から作成された7710億個の固有のトークンで構成される。ESM3は最大980億個のパラメータをトレーニングすることができる。ESM3は現在、APIを介して公開ベータ版が提供されており、科学者がタンパク質をプログラム的に設計したり、インタラクティブなブラウザベースのアプリを通じて設計したりできる。研究者は、無料の学術アクセス層を介してこのEvolutionaryScale Forge APIを使用することも、オープンモデルのコードと重みを使用することもできる。