ИИ в медицине

Систематический обзор методов глубокого обучения, применяемых для автоматического обнаружения, классификации и сегментации полипов при колоноскопии. В работе анализируются современные архитектуры нейросетей, доступные наборы данных и методы предобработки, а также обсуждаются пути перехода от экспериментальных моделей к клиническому внедрению.

Статья предлагает концепцию 'Evidence-based Agent Stack' для создания надежных агентных систем ИИ в высокорисковых областях, таких как токсикология и регуляторная наука. Авторы подчеркивают необходимость интеграции принципов доказательной медицины и систематических обзоров в рабочие процессы ИИ для обеспечения прослеживаемости, воспроизводимости и оценки неопределенности.

Исследование представляет ECMME (ECM Molecular Evolution) — новый биоинформатический ресурс, предназначенный для анализа эволюции внеклеточного матрикса (ECM) у млекопитающих. Авторы провели детальный поаминокислотный анализ селективного давления на 272 основных белка матриома у человека, используя ортологичные последовательности от 228 видов плацентарных млекопитающих. С помощью автоматизированного конвейера, интегрирующего методы MEME и FUBAR из пакета HyPhy, было выявлено преобладание сильного очищающего отбора, что подтверждает структурную незаменимость компонентов матрикса. При этом обнаружен эпизодический положительный отбор, который проявляется у коллагенов значительно сильнее, чем у гликопротеинов и протеогликанов. Разработанный веб-браузер ECMME позволяет визуализировать метрики селекции непосредственно на топологиях белков, предоставляя исследователям инструмент для идентификации функционально значимых сайтов без необходимости локальной установки ПО.

Исследователи представили CytoGem-XAI — инновационный фреймворк, использующий гиперграфовые нейронные сети для моделирования метаболизма клеток на геномном уровне. В отличие от традиционного анализа баланса потоков (FBA) и существующих методов глубокого обучения, которые часто работают как «черные ящики», CytoGem-XAI обеспечивает интерпретируемость и позволяет проводить персонализированный анализ метаболических характеристик для конкретных образцов. Методология основана на представлении реакций в виде гиперребер, соединяющих участвующие в них метаболиты, что позволяет интегрировать три модуля анализа: ранжирование важности источников углерода, идентификацию узких мест реакций и топологическую атрибуцию на уровне путей. В ходе обучения на 17 400 условиях роста E. coli модель показала коэффициент детерминации R² = 0,862, что значительно превосходит показатели AMN (R² = 0,81), FBA (R² = 0,62) и градиентного бустинга (R² = 0,71). Биологическая валидация подтвердила способность системы выявлять критически важные источники углерода (аланин, малат) и лимитирующие ферменты цикла Кребса. Особую значимость представляет обнаружение N-ацетилмурамата как ранее недооцененного незаменимого питательного вещества, что демонстрирует практическую ценность модели для системной биологии и биоинженерии.

В исследовании представлен инновационный метод реконструкции генных регуляторных сетей (GRN) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Авторы разработали архитектуру двухканальной графовой нейронной сети (GCN) с общим весом, которая позволяет эффективно объединять априорные знания о регуляции с паттернами коэкспрессии генов, устраняя ограничения существующих методов. Предложенный вычислительный фреймворк интегрирует профили дифференциальной экспрессии генов и изменения регуляции для точного определения ключевых регуляторов, определяющих различные состояния клеток. Экспериментальные тесты подтвердили, что новый алгоритм значительно превосходит современные аналоги (state-of-the-art) по точности предсказания и демонстрирует высокую устойчивость к шуму и пропущенным данным. Применение метода на двух наборах данных scRNA-seq показало его эффективность в выявлении ключевых регуляторов, ответственных за метастазирование опухолей и развитие лекарственной устойчивости. Данная разработка открывает новые возможности для понимания молекулярных механизмов патологических процессов на клеточном уровне.

В исследовании представлен VelocityFM — инновационный метод прогнозирования динамики белков, решающий проблему высокой стоимости классического моделирования молекулярной динамики (MD). Авторы применяют технологию rectified flow matching непосредственно в пространстве скоростей, работая с кадрами остатков и торсионными углами. Архитектура модели объединяет шесть блоков Invariant Point Attention (IPA) с двухслойным временным энкодером на основе self-attention для обработки последовательностей. Обучение проводилось на наборе из 710 белков ATLAS, включающем 2090 отфильтрованных реплик траекторий. При горизонте прогнозирования в 128 кадров модель достигла медианного показателя TM-score 0.929 на тестовой выборке, при этом 100% сгенерированных структур сохранили TM > 0.7 и не имели стерических столкновений (clash-free). Геометрия остова также продемонстрировала высокую точность: медианная доля предпочтительных значений по Рамачандрану составила 91.09%. Результаты подтверждают, что геометрическое обучение в пространстве скоростей позволяет эффективно предсказывать динамику новых белков, сохраняя структурную целостность и геометрическую валидность.

Исследование представляет Metadata Collector — специализированную веб-платформу (стек React/API/PostgreSQL), разработанную для решения проблемы хаотичного управления метаданными в проектах секвенирования следующего поколения (NGS). В рамках крупного немецкого исследовательского консорциума платформа была развернута в кластере Kubernetes для обеспечения соответствия принципам FAIR (находимость, доступность, совместимость и возможность повторного использования). Методология включает использование гибких машиночитаемых моделей данных, контролируемых словарей и системы версионирования на основе событий. В ходе эксплуатации система была применена в 32 проектах, охватывающих данные RNA-seq, scRNA-seq, ATAC-seq и мультиомные наборы, обеспечив аннотацию более 700 образцов от различных партнеров. Результаты демонстрируют, что внедрение платформы позволяет автоматизировать сбор данных и минимизировать ошибки ручного ввода, характерные для использования электронных таблиц. Инструмент имеет высокую значимость для организации биомедицинских исследований, так как позволяет интегрировать стандартизированные метаданные в существующие инфраструктуры управления данными и будущие конвейеры автоматизированной подачи в публичные репозитории.

В исследовании представлен новый метод оптимизации работы с белковыми языковыми моделями (PLM), которые генерируют объемные многослойные эмбеддинги, создающие высокую нагрузку на системы хранения и вычисления. Авторы предлагают использовать компактное суррогатное представление, основанное на проекциях PCA низкой размерности и кубических полиномиальных траекториях для описания изменений эмбеддингов между слоями трансформера. Данный подход позволяет восстанавливать эмбеддинги любого слоя «на лету» без необходимости повторного запуска ресурсоемкой модели. Эффективность метода была протестирована на моделях ESM-35M и ESM-3B в задачах предсказания белок-белковых взаимодействий и субклеточной локализации. Результаты показывают высокую точность реконструкции при значительном снижении требований к памяти и вычислительным мощностям. Важно, что использование сжатых данных не приводит к потере качества в прикладных задачах, что делает метод масштабируемым решением для биоинформатики и разработки новых лекарств.

В статье представлено инновационное решение HNSW-MS, предназначенное для ускорения поиска сходства масс-спектров в метаболомике, что критически важно для аннотации молекул и построения молекулярных сетей. Авторы внедряют алгоритм иерархического навигационного графа малых миров (Hierarchical Navigable Small World) непосредственно для работы с сырыми данными GC-MS и LC-MS/MS без необходимости предварительной обработки или создания эмбеддингов. Это обеспечивает максимальную воспроизводимость результатов при работе с огромными базами данных, такими как GNPS, объем которых превышает один миллиард спектров. В ходе валидации на наборе из 8,4 миллионов MS/MS спектров метод HNSW-MS продемонстрировал ускорение поиска до 560 раз по сравнению с традиционным линейным сканированием. При этом система сохраняет высокую точность, удерживая показатель top-1 recall на уровне выше 90%, а при определенных настройках параметров достигает идеальной полноты поиска. Данная технология устраняет «узкое место» в анализе метаболомных данных, позволяя проводить запросы к общедоступным репозиториям практически в реальном времени.

В исследовании представлен VitaGRN — новый мультимодальный биофизический фреймворк, предназначенный для моделирования генных регуляторных сетей (GRN) через призму физических механизмов, а не просто статистической коэкспрессии. В отличие от существующих методов, VitaGRN использует структурно выровненные белковые эмбеддинги, что позволяет учитывать неканнонические регуляторы, не обладающие классическими мотивами связывания с ДНК. Модель демонстрирует способность к zero-shot прогнозированию ответов на пертурбации, обеспечивая высокую обобщающую способность на ранее не встречавшихся факторах, типах клеток и этапах развития. В результате работы был создан виртуальный атлас пертурбаций с калиброванной уверенностью, охватывающий более 1000 факторов. Данный инструмент позволяет трансформировать статические корреляционные графы в динамические и прозрачные модели, что критически важно для приоритизации кандидатов перед проведением дорогостоящих экспериментов в «мокрой» лаборатории. Применение подобных ИИ-моделей в системной биологии открывает новые пути для персонализированной медицины и разработки таргетной терапии.

Исследование посвящено оценке биологической надежности 24 различных эпигенетических часов (маркеров старения на основе метилирования ДНК) при кратковременном физиологическом воздействии — ночном голодании и последующем приеме пищи. Авторы проанализировали классические часы (Horvath, Hannum), системы системного старения (SystemsAge), часы, обученные на показателях смертности (GrimAge, OMICmAge), и часы темпа старения (DunedinPACE) на трех наборах данных, включая когорту из 2895 человек. Результаты показали, что голодание вызывает сдвиг оценок возраста на 0,5–3 года в часах, чувствительных к состоянию иммунных клеток, в то время как mortality-trained часы (GrimAge) и DunedinPACE не показали значимого острого эффекта. Ключевым выводом стало то, что корректировка состава иммунных клеток практически полностью нивелирует эффект голодания (например, для SystemsAge Blood — 99,7% затухания эффекта). Исследование демонстрирует, что чувствительность часов к физиологическим изменениям во многом зависит от их архитектуры и доли иммунной составляющей, что критически важно для понимания их трансляционного потенциала в клинических испытаниях.

Исследователи представили CREP (Cis-Regulatory Element Predictor) — специализированную модель глубокого обучения, созданную путем тонкой настройки архитектуры Enformer для идентификации цис-регуляторных элементов (CRE), таких как энхансеры, промоторы и изоляторы. В отличие от стандартных моделей, предсказывающих непрерывные эпигеномные сигналы, CREP напрямую классифицирует типы регуляторных элементов на основе последовательности ДНК, используя аннотации REgulamentary для различных типов клеток человека. В ходе экспериментов было доказано, что включение данных по множеству клеточных линий критически важно для точности: например, модель успешно обнаружила вариант SNP Vanuatu, создающий новый эритроидный регуляторный элемент, только при наличии эритроидных данных в обучающей выборке. Анализ ошибок показал, что размытые границы между энхансерами и промоторами отражают их функциональную непрерывность, а не просто ошибки классификации. Данная разработка предоставляет мощный инструмент для функциональной интерпретации некодирующих генетических вариаций, что имеет решающее значение для понимания механизмов развития заболеваний, связанных с мутациями в некодирующих областях генома.

В статье представлен Galaxy Learning and Modeling (GLEAM) — новый программный инструментарий, разработанный для упрощения использования машинного обучения (ML) в биомедицинских исследованиях. Проблема нехватки вычислительных компетенций у биологов решается через предоставление веб-ориентированных инструментов без необходимости написания кода (code-free). GLEAM позволяет работать с табличными, изображенными и мультимодальными наборами данных, стандартизируя процессы разбиения данных, выбора моделей, обучения и оценки результатов. Программный комплекс базируется на вычислительном рабочем месте Galaxy, что обеспечивает масштабируемость и воспроизводимость анализов. Валидация инструментария проводилась на трех критических задачах: прогнозировании ответа пациентов на иммунотерапию, классификации поражений кожи и предсказании рецидивов рака. Результаты тестирования подтвердили высокую точность создаваемых моделей и значительное повышение прозрачности и строгости исследовательских процессов в биомедицине.

Исследователи представили BacteReason — специализированную большую языковую модель (LLM), предназначенную для прогнозирования чувствительности бактерий к антибиотикам с предоставлением механистического обоснования. В отличие от традиционных методов машинного обучения, которые часто работают как «черный ящик», BacteReason использует подход обучения с учителем, где проприетарная модель-наставник генерирует объяснения молекулярных механизмов резистентности. Для обеспечения научной точности модель интегрирована с биомедицинскими базами знаний через протокол TogoMCP, что позволяет привязывать каждый шаг рассуждения к конкретным доказательствам из графов знаний. В ходе тестирования на бенчмарках по экстраполяции модель показала относительное улучшение точности на 43% по сравнению с базовой ненастроенной LLM и на 38% по сравнению с моделью, прошедшей тонкую настройку без использования рациональных обоснований. Данная разработка имеет критическое значение для клинической практики, так как позволяет врачам не только получать прогноз эффективности препарата, но и понимать биологическую причину устойчивости патогена.

В исследовании представлен CiliAI — веб-ориентированный рабочий процесс на базе глубокого обучения, предназначенный для автоматизации анализа первичных ресничек. Система решает проблему трудоемкости ручного анализа 3D-изображений конфокальной микроскопии, обеспечивая автоматическое обнаружение и сегментацию ключевых субструктур: базального тела, переходной зоны и аксонемы. В ходе тестирования на клетках линии NIH-3T3 автоматизированные измерения длины ресничек показали высокую точность, практически идентичную ручному методу (средняя разница составила всего -0,214 мкм при p = 0,213). Алгоритм успешно воспроизвел биологические эффекты, зафиксировав снижение интенсивности сигнала белка Cep290 в клетках с дефицитом Rpgrip1l, что подтверждает его валидность для изучения молекулярных механизмов. Использование CiliAI позволяет сократить время анализа с нескольких дней ручной работы до считанных минут. Данный инструмент представляет значительную ценность для клеточной биологии и биомедицинских исследований, ускоряя изучение механизмов клеточной пролиферации и дифференцировки.

Исследование представляет TRACEY — обновленную биоинформатическую платформу, предназначенную для точной аннотации доменов белков SNARE, которые играют ключевую роль в процессах мембранного слияния, экзоцитоза и аутофагии. Авторы разработали нередундантную базу данных, включающую 18 915 курируемых белков SNARE, охватывающих 1 188 видов эукариот. В рамках обновления был создан консолидированный набор из 83 профилей скрытых марковских моделей (HMM), включая 43 модели для новых, ранее не определенных подгрупп, построенных с помощью итеративного метода смешанных моделей. Результаты тестирования показали, что как минимум 75% последовательностей в перекрывающихся группах получили более высокие оценки при использовании новых HMM по сравнению с устаревшими моделями, что подтверждает системное улучшение точности детекции доменов. Обновленный веб-интерфейс теперь поддерживает многопараметрические запросы, экспорт в формате FASTA и прямой сканирование пользовательских последовательностей. Инструмент представляет высокую ценность для фундаментальных молекулярных исследований и биоинформатического анализа клеточных процессов.

В исследовании представлен новый алгоритм DDI_single, предназначенный для решения критической задачи моделирования пространственного расположения доменов в многодоменных белках. В отличие от существующих методов, фокусирующихся на внутренней структуре отдельных доменов, DDI_single использует возможности языковой модели белка ESM-1b для извлечения признаков непосредственно из аминокислотной последовательности. Ключевым инновационным компонентом является модуль gated cross-attention, который позволяет точно предсказывать взаимодействия между парами остатков различных структурных доменов. Результаты тестирования показали, что алгоритм превосходит trRosettaX_single по точности предсказания относительных расстояний между доменами более чем на 20%. При сборке доменов с известной пространственной конформацией метод продемонстрировал точность 74,4% (TM-score > 0.5), а при работе с неизвестными конформациями — 73,9% (при условии корректного моделирования внутренних структур доменов). Данная разработка имеет высокую значимость для структурной биологии и рационального дизайна лекарственных препаратов, позволяя лучше понимать функции сложных белков.

В исследовании представлена CLASPP — инновационная унифицированная модель глубокого обучения, предназначенная для одновременного предсказания различных типов посттрансляционных модификаций (PTM) на основе первичной аминокислотной последовательности белка. Основная проблема существующих методов — фрагментация и дисбаланс данных между редкими и распространенными типами модификаций — решается с помощью стратегии контрастного обучения (contrastive learning) и метода недосэмплирования на основе обучения без учителя. Модель использует предобученную языковую модель белка для извлечения структурных и последовательных признаков, что позволяет ей эффективно работать с 12 основными типами PTM. Результаты тестирования подтверждают, что CLASPP превосходит существующие инструменты по точности предсказания во многих биологических организмах. В качестве проверки применимости модели авторы экспериментально подтвердили сайты убиквитинирования в малоизученной киназе DCLK3. Исследование также предлагает стандартизированный набор данных и иерархическую организацию данных, что значительно улучшает репрезентативность редких модификаций и открывает новые возможности для функциональной протеомики.

Исследование представляет scFAIR — новый консорциум, созданный для решения проблем доступности и воспроизводимости данных секвенирования РНК единичных клеток (scRNA-seq). Авторы разработали единую схему метаданных и систему кураторства, расширяющую возможности платформы CZ CELLxGENE Discover, что позволяет включать более богатый биологический контекст и структурировать описание вычислительных рабочих процессов. Центральным элементом проекта стал портал sc-fair.org, который на данный момент агрегирует 2 346 наборов данных из различных децентрализованных ресурсов с использованием семантического поиска на основе онтологий. Практическая значимость метода подтверждена кросс-видовой валидацией между атласами мозга человека и мыши (Allen Brain Atlases): использование стандартизированных аннотаций позволило переносить метки типов клеток между видами с точностью до 90% для нейрональных кластеров. Внедрение scFAIR обеспечивает фундамент для крупномасштабной интеграции данных и автоматизированного анализа в биомедицинских исследованиях.