FM-GPT：局部 GReX 引导的多表型基因精细定位
在每个候选位点内联合建模遗传预测表达、潜在表型因子和混合类型结局，用基因及基因–因子两层选择产生基因 PIP。UKB 皮层厚度与 EHR 应用展示候选集缩小，但因子数错设的模拟明显失去 FDR 控制；因子方向、筛选步骤与比较方法的输入转换需要单独解释。
结果EHR 分析从 245,687 人的记录得到 169 个筛选后表型，再对 39 个有 TWAS 信号的表型联合定位，报告 60 个候选基因。
3 篇论文
多表型基因定位、MS 空间遗传学与亿级单细胞计算
本期三篇：FM-GPT 将局部 GReX、多表型因子与基因后验选择相结合；MS 研究把跨祖源 GWAS 接到患者细胞和病灶空间；scAtlasPy 用磁盘驻留和数据流支持亿级分析。重点分别是因子数与 BFDR 校准、细胞/空间关联的证据层次，以及 I/O 性能与蒸馏近似的取舍。
MS 遗传学：从跨祖源 GWAS 到细胞亚群与病灶空间
将日本、欧洲、非洲和美洲祖源的 MS GWAS 与患者 PBMC、脑病灶单核及空间转录组连接起来。scDRS 使用跨祖源结果定位 CD4 T 亚群和内皮细胞，gsMap 使用欧洲祖源结果比较活动与非活动病灶。重点是多基因证据怎样映射到细胞和空间，而不是将富集直接解释成细胞特异 eQTL 或因果机制。
结果PBMC 来自 20 名 MS 患者、163,541 个细胞；脑单核数据为 6 名患者的 7 个病灶、74,686 个细胞。
scAtlasPy：磁盘驻留、随机数据流与亿级单细胞分析
用 DuckDB 中的混合稀疏存储、顺序读取与有限缓冲随机化，把数据规模与全矩阵驻留内存的要求分开。论文报告在 64 GB 内存笔记本上完成约一亿细胞工作流，并验证读取吞吐和数值一致性。关键边界是 UMAP/Louvain 采用子集教师与全量预测，不能把 full-resolution 理解成对全部细胞执行完全相同的全图算法。
结果随机 minibatch 基准约 13.8 万 cells/s，为所测 scDataset 配置的 10.4 倍；峰值 RSS 为 6.51 对 37.40 GB。
本期收录 3 篇论文。MS 研究发表于 9 月 7 日，FM-GPT 与 scAtlasPy v1 公开于 9 月 8 日；9 月 10 日是本期推荐日期，不是三篇论文共同的发表日期。
FM-GPT 适合优先阅读。它将局部遗传预测表达与多个表型放进贝叶斯因子模型，输出基因层面的 PIP。解读展开基因与基因–因子两层选择、混合结局的数据增广、BFDR，以及因子数错设时错误率明显上升的补充结果；皮层厚度与 EHR 的发现数保留各自的筛选和阈值口径。
MS 的跨祖源 GWAS 与单细胞／空间整合，重点看从 MAGMA 基因集到 scDRS 细胞关联、再到 gsMap 病灶空间关联的分析链。scDRS 使用跨祖源结果，而 gsMap 使用欧洲祖源结果。活动与非活动病灶的显著性差异，不直接等于遗传效应差异或纵向病程变化。
scAtlasPy 从数据结构和计算瓶颈入手：混合稀疏存储、滚动随机化、流式 PCA 与子集教师的 UMAP/Louvain 蒸馏。解读区分独立的读取吞吐、整流程时间和数值一致性；全量细胞获得标签不代表显式构建了亿级全图。正文使用补充提供的完整 v1，并核查原始基准图表。
三篇均有独立详细 notes 和相应原图。FM-GPT 的正文来自正式版 HTML/XML，MS 使用正式版正文及相关补充材料，scAtlasPy 使用 35 页 v1；各篇末尾分别记录未覆盖的补充工作簿、代码运行和原始数据范围。