Поиск

В статье анализируются методологические и технологические сложности проведения рандомизированных клинических исследований с использованием цифровых платформ на смартфонах пациентов. На примере исследования BD4QoL авторы предлагают рекомендации по преодолению проблем гетерогенности устройств, регуляторных барьеров и внедрению подходов BYOD (принеси свое устройство) для мониторинга качества жизни онкобольных.

Исследование посвящено изучению фундаментальных различий в молекулярных механизмах развития болезни Альцгеймера (БА) у мужчин и женщин. На основе анализа данных bulk RNA-sequencing из дорсолатеральной префронтальной коры 624 человек (401 женщина и 223 мужчины) из когорты ROSMAP, ученые выявили две принципиально разные биологические траектории заболевания. У женщин наблюдается многоуровневая архитектура перехода: на ранней стадии (от нормы к умеренным когнитивным нарушениям, MCI) происходит иммунное праймирование с участием 628 генов, за которым следует масштабная потеря синаптических и нейропептидных функций, затрагивающая 8 935 генов. В то же время у мужчин раннее иммунное воздействие отсутствует; вместо этого их патологический процесс характеризуется резким коллапсом 8 237 генов, связанных с слиянием мембран органелл, посттрансляционной модификацией и внутриклеточным транспортом. Результаты подчеркивают, что БА не является единым процессом, а представляет собой разные биологические программы в зависимости от пола, что требует разработки гендерно-стратифицированных моделей и независимых биомаркеров для диагностики и лечения.

Исследование посвящено изучению специфического состояния микроглии (MG4), связанного с патологией болезни Альцгеймера (БА). С помощью интегративного анализа данных секвенирования РНК единичных ядер (snRNA-seq) из пяти независимых когорт (n=140 доноров) и подтверждения через ATAC-seq, ученые доказали воспроизводимость обогащения субпопуляции MG4 при БА (pooled log2 fold change = 0.90, p = 3.0 x 10^-4). В ходе работы были идентифицированы ключевые регуляторы MITF и BACH1, управляющие программой лизосомального закисления через V-ATPase и оттоком холестерина. Исследование выявило, что этот процесс отличается от программ DAM и LDAM, демонстрируя специфическое повышение энергетического метаболизма при БА. В качестве потенциальных апстрим-лигандов были определены FGF1 и TGFB2, что подтверждено пространственной транскриптомикой. Особую значимость для терапии представляет применение методов вычислительного репозиционирования лекарств, в результате которого было отобрано 10 соединений, способных проникать через гематоэнцефалический барьер, для дальнейшей функциональной валидации.

В статье представлен SHINE — инновационный вычислительный фреймворк на основе гиперграфов, предназначенный для совместного анализа пространственной экспрессии генов и метаболических сетей. Разработка решает критические проблемы мультиомиксных исследований: пространственное несовпадение данных, разницу в разрешении и сложные взаимодействия между транскриптомом и метаболомом. Методология SHINE использует обучение представлениям (representation learning) для интеграции данных, полученных с одного тканевого среза. В ходе тестирования на моделях болезни Паркинсона у мышей алгоритм успешно выявил области с истощением дофаминергических нейронов и реконструировал оси, связанные с дофамином. При анализе образцов рака легких и молочной железы у человека метод позволил точно сегментировать опухолевые микроокружения и идентифицировать пространственно организованные генно-метаболические программы. Технология демонстрирует высокую масштабируемость и точность в выявлении биомаркеров, что открывает новые возможности для прецизионной диагностики и понимания молекулярных механизмов заболеваний.

В исследовании представлен новый биоинформатический подход для полногеномного поиска гомологов бактериальных некодирующих РНК (нРНК), который преодолевает ограничения традиционного поиска по сходству последовательностей. Методология объединяет предсказание субоптимальных вторичных структур с использованием алгоритма скользящего окна в межгенных областях (IGR) и анализ геномного синтенного порядка. Важной инновацией стало использование ChatGPT для автоматизации идентификации биологических связей между генами с различными функциональными аннотациями, что позволило уточнить контекст синтенного анализа. В ходе тестирования метода были успешно обнаружены новые гомологи РНК spot42 (ген spf) в геномах Glaciecola и Pseudoalteromonas, а также гены РНК ms1 в геномах Frankia и Bifidobacterium, которые ранее не удавалось идентифицировать стандартными методами. Результаты демонстрируют высокую эффективность интеграции структурных данных и ИИ-ассистированного анализа для расширения понимания регуляторных элементов бактериальных геномов.

В исследовании анализируется эффективность применения различных алгоритмов машинного обучения для рескоринга совпадений пептид-спектров (PSM) в масс-спектрометрической протеомике. Авторы сравнивают стандартные линейные модели (LSVM) с более сложными нелинейными алгоритмами, такими как Random Forest и XGBoost, доступными в инструменте Mokapot. С помощью метода «ловушки» (entrapment approach) было выявлено, что усложнение моделей приводит к росту числа идентифицированных PSM, однако этот прирост является следствием переобучения и смещения в сторону случайных совпадений с целевой базой данных. В частности, для наиболее сложных моделей фактический уровень ложноположительных результатов (entrapment FDR) достиг 6,3%, в то время как расчетный показатель (decoy FDR) составлял всего 1%. Таким образом, чрезмерная сложность моделей создает иллюзию высокой точности и дает неоправданно оптимистичные оценки FDR. Результаты подчеркивают критическую необходимость баланса между сложностью алгоритма и риском переобучения при автоматизированном анализе протеомных данных.

В исследовании представлен инновационный метод сетевого мультиомиксного анализа DrDimont, примененный к транскриптомным, протеомным, фосфопротеомным и киназным данным микрососудистых эндотелиальных клеток легких пациентов с легочной артериальной гипертензией (ЛАГ). Авторы расширили функционал платформы DrDimont, интегрировав взаимодействия киназ-киназ на основе фосфорилирования субстратов, что позволило построить специфичные для состояния биологические сети. В ходе анализа были выявлены ключевые изменения в сигнальных путях, сосредоточенные вокруг киназ семейства MAPK, включая MAPK13, MAP2K и IRAK1, а также специфические белковые маркеры, такие как ACADSB и GPX7. Приоритезация потенциальных лекарственных кандидатов путем картирования мишеней на дифференциальную сеть позволила выделить такролимус (FK506), антинеопластические ингибиторы MAPK (селуметиниб, траметиниб) и агенты, влияющие на митохондриальную транскрипцию ДНК (эпирубицин, топотекан). Результаты демонстрируют, что интеграция активности киназ в объяснимые мультиомиксные сети позволяет находить терапевтические гипотезы, которые невозможно обнаружить при использовании классического анализа дифференциальной экспрессии одиночных слоев данных.

В исследовании представлен Shifu — инновационный фреймворк, предназначенный для решения проблем предсказания вторичной структуры РНК с помощью глубокого обучения. Авторы указывают на критическую проблему существующих методов: использование единых оценочных показателей скрывает локальные ошибки моделей и может свидетельствовать о простом заучивании обучающих данных. Решение состоит из трех компонентов: Shifu-Corpus, представляющего собой аудит-контролируемый датасет из 254 123 последовательностей из шести баз данных с защитой от утечек данных; системы оценки Shifu Trifecta, оценивающей модели по трем осям (точность, охват разнообразия РНК и надежность уверенности); и семейства компактных языковых моделей Shifu-LMR. Эксперименты показали, что изменение обучающего корпуса влияет на точность на 0,13, а компактная модель Shifu-LMR-Nano с 65 миллионами параметров демонстрирует лидирующие показатели точности, при этом работая на обычном ноутбуке. Разработчики открывают доступ к датасету, коду и архитектурам моделей для дальнейшего использования в биоинформатике.

В исследовании представлен инновационный метод использования ИИ для обнаружения белковых взаимодействий, который позволил выявить связь между белком-ридером m6A (YTHDC1) и ферментом редактирования РНК (ADAR1). Авторы применили стратегию обратного вычислительного дизайна, используя RFdiffusion и ProteinMPNN для генерации 10 000 синтетических связывающих молекул, оптимизированных под поверхность распознавания Z-домена. После многоэтапного скрининга с помощью ColabFold pDockQ и высокоточного моделирования в AlphaFold3 было установлено, что неупорядоченный глутаматный домен YTHDC1 (остатки 199-254) связывается с ADAR1p150 через механизм электростатической комплементарности. Микросекундное моделирование молекулярной динамики подтвердило стабильность комплекса с показателем RMSD ниже 3 Å. Результаты показывают, что YTHDC1 рекрутирует ADAR1p150 к местам транскрипции, обеспечивая редактирование интронов до сплайсинга. Это открытие открывает новые пути для разработки таргетной терапии аутоиммунных заболеваний и рака, вызванных ошибками редактирования РНК.

В статье представлено обновление BioMetAll v2.0 — специализированного инструмента на базе глубокого обучения для предсказания локализации мест связывания металлов в белковых структурах. Основное отличие новой версии заключается в переходе от модели, основанной исключительно на предорганизации остова (backbone), к комплексному подходу, включающему специфические скоринговые функции для различных металлов. Разработчики внедрили возможность использования дескрипторов первой координационной сферы и боковых цепей, что позволяет проводить дифференциацию между различными металлическими ионами. Исследование сравнивает эффективность предсказания на основе только геометрии остова белков и комбинированного метода с учетом координационной сферы. Результаты бенчмаркинга подтвердили значительное повышение точности и чувствительности модели к конкретным видам металлов. Данная разработка имеет высокую значимость для структурной биологии и биотехнологии, позволяя точнее моделировать функции металлопротеинов.

Исследование посвящено изучению направленности трансфера знаний между моделями естественного языка (LLM) и биологическими фундаментальными моделями (например, ESM-2, ProtBERT). Авторы проверяют гипотезу о симметричности переноса структурных закономерностей, сравнивая перенос из языка в биологию и наоборот. В ходе экспериментов было установлено, что перенос знаний является асимметричным: языковые модели демонстрируют высокую эффективность при переходе к задачам распознавания гомологии белков (off-domain drop всего 0.08), в то время как биологические модели показывают слабую способность к адаптации под задачи языка (drop 0.36). Исследование показало, что масштабирование моделей не устраняет этот разрыв, а лишь увеличивает его: при росте параметров перенос из языка в биологию усиливается, тогда как обратный процесс стремится к случайным результатам. Результаты работы раскрывают фундаментальную направленность обучения моделей и доказывают, что общие структурные регулярности последовательностей не гарантируют симметричного переноса представлений. Данное открытие критически важно для разработки будущих мультимодальных моделей в биомедицине.

В исследовании представлен первый систематический бенчмарк двенадцати различных стратегий квантового кодирования данных, реализованный на реальном 20-кубитном сверхпроводниковом квантовом процессоре (QPU) IQM Garnet. Целью работы является повышение точности прогнозирования ответа клеток на лекарственные препараты (параметр IC50) с использованием квантового машинного обучения. Методология включала использование 50 стратифицированных выборок из масштабного набора данных GDSC2 (содержащего более 242 000 пар «препарат-клеточная линия») и оптимизацию весов с помощью алгоритма COBYLA. Результаты показали, что кодирование, вдохновленное алгоритмом QAOA, продемонстрировало наилучший показатель среднеквадратичной ошибки (RMSE) на уровне 3.314, что статистически значимо (p < 0.05) превосходит шесть других методов. Исследование выявило, что структуры запутанности, эффективные с точки зрения аппаратного обеспечения (чередующиеся слои стоимости и смесителя), обеспечивают преимущество над чисто ротационными или диагональными кодированиями в условиях реального шума. Данная работа создает воспроизводимую базу для применения квантового машинного обучения в фармацевтике и персонализированной медицине.

В исследовании представлен вычислительный подход к выявлению транскрипционных факторов, управляющих переходами состояний микроглии при болезни Альцгеймера (БА). Используя анализ 236 002 ядер микроглии от 84 доноров из атласа SEA-AD, авторы применили методы траекторного анализа (PAGA) и построения генных регуляторных сетей (pySCENIC). Ключевым результатом стало выделение транскрипционного фактора IKZF1 как критического регулятора в поздних стадиях заболевания (LateAD-DAM), что подтверждено независимой репликацией на когорте GSE95587 (p = 0.004). С помощью анализа CellChat была определена сигнальная дорожка SLIT2[->]ROBO2 от нейронов к микроглии как ведущая. В рамках виртуального скрининга 1 962 одобренных лекарственных препаратов были выделены тафамидис и дифлунисал как потенциальные кандидаты для репозиционирования, однако их точность требует дальнейшей экспериментальной проверки. Работа демонстрирует мощный потенциал применения методов машинного обучения и биоинформатики для поиска новых терапевтических мишеней в нейродегенеративных процессах.

Исследование посвящено изучению молекулярных механизмов того, как старение и биологический пол взаимодействуют в контексте сердечно-сосудистых заболеваний (ССЗ). Авторы провели комплексный мультиомиксный анализ данных 981 донора и 17 типов тканей, интегрируя профили экспрессии генов с регуляторной, генетической и сетевой информацией для 1176 кандидатных генов ССЗ. В ходе двухэтапного анализа было выявлено 4404 гена с выраженной возрастной динамикой экспрессии, из которых 2718 генов демонстрировали специфические тренды для мужчин, а 202 — для женщин. Были выделены 35 высоконадежных половых диморфных генов, включая REN, APOE и GUCY1A2. Интеграция с базой Open Targets позволила идентифицировать 289 генов, связанных с одобренными препаратами, и 48 из 50 лучших биомаркеров, подтвержденных данными GWAS-eQTL. Итогом работы стал список из 19 потенциально применимых биомаркеров, при этом гены GUCY1A2 и PDE5A были выделены как ключевые кандидаты для стратифицированной по полу персонализированной медицины через ось сигнализации оксида азота-цГМФ. Данная работа создает основу для разработки таргетной терапии ССЗ с учетом половой специфики пациента.

Исследование посвящено оценке точности моделирования прогрессирования заболевания (DPM), используемого для определения «амилоидного времени» при болезни Альцгеймера. Авторы провели симуляционные исследования, используя эмпирические данные о шуме в биомаркерах амилоида (ПЭТ, спинномозговая жидкость и плазма крови) в когортах с аутосомно-доминантной и спорадической формами заболевания. Результаты показали, что межличностная вариативность является основным источником ошибок при временных оценках, в то время как внутрииндивидуальная вариативность снижает стабильность прогнозов. Было установлено, что ПЭТ-сканирование амилоида превосходит по точности анализы спинномозговой жидкости и плазмы. Исследование подчеркивает, что текущие подходы DPM более надежны на уровне групп, чем на уровне отдельных пациентов, особенно при использовании жидкостных биомаркеров с вариативностью более 10-15%. Это имеет критическое значение для планирования клинических испытаний и разработки персонализированных стратегий лечения.

Исследование посвящено проблеме надежности методов объяснимого искусственного интеллекта (xAI), таких как DeepLIFT, при анализе моделей «последовательность-активность» (S2A), которые предсказывают геномную активность (связывание транскрипционных факторов и экспрессию генов). Авторы изучают, может ли использование ансамблей моделей повысить точность интерпретации признаков, а не только точность самих предсказаний. В ходе работы было установлено, что ансамблирование атрибуций от нескольких моделей значительно улучшает результаты в прикладных задачах, таких как идентификация мотивов транскрипционных факторов и прогнозирование регуляторных генетических вариантов. Особое внимание уделено методу Monte Carlo Dropout (MCDropout), который показал эффективность, приближающуюся к обучению множества отдельных моделей, но при этом существенно снижающую вычислительные затраты на этапе обучения. Результаты работы критически важны для биоинформатики и персонализированной медицины, так как позволяют более точно интерпретировать влияние генетических мутаций на здоровье человека.

В исследовании представлен инновационный подход к разработке вакцины против туберкулеза с использованием методов обратной вакцинологии и компьютерного моделирования. Авторы разработали химерную конструкцию из 823 аминокислотных остатков, которая одновременно нацелена на три ранее не изученных белка вирулентности M. tuberculosis: EccB3, MycP и поликетидсинтазу. Методология включала предсказание B-, CTL- и HTL-эпитопов, их фильтрацию по критериям аллергенности и токсичности, а также интеграцию адъювантов бета-дефензина и PADRE для охвата 90% мирового разнообразия HLA. С помощью AlphaFold и ClusPro 2.0 была проведена структурная оптимизация и докинг против рецепторов TLR1/TLR2, показавший высокую стабильность связывания с энергией -1371.0 ккал/моль. Результаты симуляции иммунного ответа (C-IMMSIM) подтвердили формирование устойчивой иммунной памяти. Данная вычислительно валидированная модель представляет собой перспективного кандидата на вакцину, требующего дальнейших клинических испытаний.

В исследовании представлена инновационная вычислительная токсикологическая платформа для изучения влияния пер- и полифторалкильных веществ (PFAS), в частности PFOS и PFHxS, на развитие псориаза. Авторы использовали комплексный подход, объединяющий транскриптомику воздействия на модели эпителиальных клеток, полученных из эмбриональных стволовых клеток человека, с данными секвенирования РНК единичных клеток (scRNA-seq) и пространственной транскриптомики. В ходе работы было установлено, что сигнатуры PFOS и PFHxS демонстрируют высокую степень конвергенции с воспалительными процессами при псориазе, затрагивая модули воспаления кератиноцитов, эпидермального стресса, цитоскелета и липидного обмена. С помощью метода виртуального возмущения (virtual perturbation), совместимого с моделью Geneformer, были идентифицированы ключевые эффекторы, такие как S100A9, S100A8, KRT16 и IL36G. Результаты пространственного анализа подтвердили локализацию этих программ именно в активированных кератиноцитах и воспалительных нишах эпидермиса. Данная работа закладывает основу для проверки гипотезы о связи стойких химических загрязнителей с хроническими воспалительными заболеваниями кожи на молекулярном уровне.

В статье представлен RomicsProcessor — инновационный программный пакет, разработанный для решения критической проблемы воспроизводимости в биоинформатике. Авторы предлагают парадигму «воспроизводимости по проекту», в основе которой лежит создание объекта 'Romics_object'. Этот цифровой артефакт является самодостаточным контейнером, который инкапсулирует полную историю данных: от исходного состояния до финальной обработки, включая все промежуточные шаги и зависимости. Методология была протестирована на различных сложных типах данных, включая объемную протеомику (bulk proteomics), крупномасштабную мультиплексную иммунофлуоресценцию и масс-спектрометрическую визуализацию (MSI) из нескольких партий. Результаты демонстрируют высокую масштабируемость и вычислительную мощность инструмента, обеспечивая соблюдение принципов FAIR (находимость, доступность, совместимость и повторное использование). Данная разработка служит фундаментом для создания следующего поколения биоинформатических инструментов, способных эффективно работать в эпоху искусственного интеллекта и ускорять биологические открытия.