Поиск

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.

В исследовании представлен инновационный метод построения пангеномов, основанный на использовании эмбеддингов белковых языковых моделей (Protein Language Models). В отличие от традиционных методов, опирающихся на выравнивание нуклеотидных или белковых последовательностей, данный подход позволяет выявлять отдаленные ортологи и семантические связи, выходящие за рамки простого сходства последовательностей. Методология включает поиск ближайших соседей с использованием GPU-ускорения, динамическую пакетную обработку и оптимизацию ONNX, что обеспечивает линейную масштабируемость при анализе миллионов белков. Сравнительный анализ с инструментом SCARAP показал, что новый метод формирует более специфичные кластеры. При тестировании на наборе данных CAFA5, содержащем экспериментально подтвержденные данные, предложенный подход значительно превзошел SCARAP по всем метрикам функциональной согласованности и когерентности. Практическая значимость подтверждена успешной характеристикой пангенома 1034 геномов Streptomyces. Разработчики предоставили открытый исходный код на GitHub для масштабирования биоинформатических исследований.

Microsoft представила квантовый чип Majorana 2, надежность которого значительно выше отраслевых стандартов. Ключевым фактором успеха стала платформа Microsoft Discovery — агентный ИИ, который автоматизировал сложные измерения и помог выявить корреляции в огромных массивах исследовательских данных.

Данная работа представляет собой обзор границ (scoping review), посвященный проблеме отсева пациентов (dropout) в рамках смешанной терапии (blended therapy) для лечения ментальных расстройств. Исследование фокусируется на отсутствии единого стандарта определения и отчетности о случаях, когда пациенты прекращают терапию, сочетающую цифровые инструменты и очное взаимодействие с врачом. Авторы анализируют текущую методологию в существующих публикациях, выявляя значительную вариативность в том, как классифицируется завершение курса лечения. Основная цель работы — разработать более строгие протоколы отчетности, которые позволят точнее оценивать эффективность цифровых психологических интервенций. Результаты подчеркивают необходимость стандартизации метрик для улучшения клинической практики и интеграции ИИ-решений в психологическую помощь. Это имеет критическое значение для разработки масштабируемых цифровых программ ментального здоровья.

Исследование посвящено разработке модульного ETL-фреймворка на базе Python, предназначенного для автоматизации извлечения высокочастотных мультимодальных данных из систем управления данными пациентов (PDMS) в условиях реанимации и периоперационного периода. Авторы решают проблему фрагментированной и закрытой архитектуры медицинских систем, которая затрудняет вторичное использование клинических данных для исследований. Разработанная система использует модели Pydantic для обеспечения строгой типизации и автоматической проверки правдоподобности данных, а также SQLAlchemy для абстракции доступа к базам данных. Ключевым преимуществом является встроенный механизм необратимой псевдонимизации с использованием «соли», что обеспечивает полное соответствие регламенту GDPR и немецкому закону о защите данных в больницах (BayKrG). Фреймворк позволяет трансформировать гетерогенные записи PDMS в стандартизированные, готовые к анализу наборы данных с обеспечением полной прослеживаемости через интегрированный аудит-лог. Это решение значительно снижает технические и регуляторные барьеры, заменяя сложные разовые запросы на воспроизводимый и масштабируемый процесс подготовки медицинских данных.

Исследование посвящено разработке теоретической базы для оценки эффективности Jigsaw Live Chat — ирландского сервиса психологической поддержки молодежи, работающего в формате односеансовых синхронных чатов. Методология включала ситуационный анализ, обзор литературы и два воркшопа по совместному проектированию с участием 13 сотрудников сервиса. В ходе работы была сформирована причинно-следственная теория программы, выявившая 12 ключевых компонентов вмешательства, влияющих на доступность помощи и снижение уровня острого стресса у подростков. Исследование подчеркивает важность интеграции чат-сервисов в общую национальную систему психиатрической помощи и предлагает адаптированные индикаторы для оценки реального воздействия в условиях, когда рандомизированные контролируемые испытания неэтичны. Результаты предоставляют готовую модель для оценки цифровых интервенций в сфере ментального здоровья, учитывающую контекстуальные барьеры и механизмы изменений в реальной клинической практике.

В статье представлен StrucTTY — инновационный инструмент для визуализации структур белков, разработанный специально для работы в текстовых терминалах и высокопроизводительных вычислительных средах (HPC). Проблема отсутствия инструментов для интерактивного просмотра белковых структур в SSH-сессиях решается с помощью самодостаточного исполняемого файла, который преобразует трехмерные координаты PDB и mmCIF файлов в ASCII-графику. Программа позволяет пользователям осуществлять вращение, масштабирование и перемещение структур, а также изучать особенности цепей и вторичные структуры белков. Ключевой особенностью является поддержка одновременного отображения до девяти белковых структур и возможность прямой визуализации структурного выравнивания на основе данных Foldseek. Это позволяет проводить быстрый сравнительный анализ в «headless» средах без необходимости использования графических интерфейсов. Инструмент представляет значительный интерес для специалистов по структурной биологии, работающих с большими данными в удаленных вычислительных кластерах.

Исследование посвящено детальному изучению механизмов активации комплекса mTORC1, который играет ключевую роль в регуляции клеточного роста, метаболизма и ответа на стресс. Авторы использовали передовые методы глубокого обучения, включая AlphaFold-3, в сочетании с молекулярной динамикой (MDFF) для создания уточненных атомарных моделей комплекса mTORC1 в различных состояниях (с ATP и RHEB). В ходе симуляций было обнаружено, что связывание малого ГТФазы RHEB вызывает глобальную перестройку комплекса: усиливаются взаимодействия между mTOR и RAPTOR, при этом ослабляются контакты mTOR-mLST8. Эти структурные изменения приводят к реорганизации N- и C-лопастей киназы, переводя её в каталитически активное состояние. Особое внимание уделено стабилизации связывания ATP за счет улучшения координации ионов магния (Mg2+). Работа предоставляет глубокое понимание того, как аллостерическая предорганизация mTORC1 подготавливает комплекс к катализу еще до связывания субстрата, что критически важно для разработки новых терапевтических мишеней.

В исследовании представлен ChiMER — новый графовый вычислительный фреймворк, разработанный для обнаружения химерных энхансерных РНК (eRNAs), которые сливаются с белок-кодирующими генами. Традиционные инструменты часто пропускают такие события из-за низкого уровня экспрессии eRNA или классифицируют их как артефакты картирования. Методология ChiMER использует информацию о контактах хроматина для построения графов сплайсинга, добавляя ребра между энхансерами и экзонами, что позволяет находить транскрипционные пути через графовое выравнивание. Тестирование на реальных данных РНК-секвенирования раковых клеточных линий показало, что ChiMER обладает более высокой чувствительностью по сравнению с линейными методами при сохранении низкого уровня ложноположительных результатов. Исследование выявило множество химерных транскриптов, связанных с супер-энхансерами, и установило их связь с активными регуляторными средами и сигналами R-петель. Это указывает на то, что гибридные структуры РНК-ДНК могут играть ключевую роль в процессах транскрипционного соединения на больших расстояниях, что открывает новые пути для понимания механизмов развития рака.

В исследовании представлен Super Bloom Filter — новый тип фильтра Блума, оптимизированный для обработки потоковых k-мерных запросов в биоинформатике. Основная проблема существующих структур заключается в плохой локальности кэша из-за случайных обращений к памяти, что замедляет работу. Авторы предложили использовать минимизаторы для группировки смежных k-меров в «супер-k-меры», что позволяет привязывать группу к одному блоку памяти и значительно снижать количество операций передачи данных. Дополнительно внедрена схема findere, которая снижает количество ложноположительных срабатываний на несколько порядков; в некоторых конфигурациях при 10^9 случайных запросах ложноположительных результатов не обнаружено вовсе. В ходе тестирования интеграция Super Bloom в инструменты BioBloom (на языке Rust) показала многократное преимущество в скорости индексации и поиска по сравнению с классическими реализациями на C++ и Rust. Данная разработка критически важна для задач метагеномной классификации, удаления последовательностей хозяина и фильтрации загрязнений при анализе биологических данных.

В статье представлено обновление программного обеспечения Harmony2, предназначенного для интеграции профилей секвенирования РНК единичных клеток (scRNA-seq). В условиях стремительного роста биомедицинских данных, объем которых в открытом доступе уже превышает 100 миллионов клеток, традиционные методы сталкиваются с проблемой масштабируемости. Разработчики представили алгоритм, способный эффективно обрабатывать более 100 миллионов клеток и более 1000 наборов данных без необходимости использования специализированного высокопроизводительного оборудования. Ключевым технологическим достижением является оптимизация базового алгоритма, которая предотвращает эффект «переинтеграции» (overintegration), сохраняя биологическую гетерогенность в сложных наборах данных. Это позволяет создавать высокоточные атласы единичных клеток, что критически важно для понимания клеточной архитектуры различных тканей и органов. Инструмент представляет высокую ценность для биоинформатиков и исследователей, занимающихся системной биологией и персонализированной медициной.

Исследование представляет Isopedia — новую расширяемую структуру данных, предназначенную для аннотации изоформ РНК без привязки к существующим референсным геномам. Авторы решают проблему гипертрофированной «новизны» транскриптов, которая в RNA-Seq исследованиях часто достигает 20-70% из-за неполноты текущих аннотаций. Методология Isopedia переходит от зависимости от референса к аннотации, взвешенной по фактическим доказательствам, что позволяет отличить биологически активные изоформы от стохастического шума. В ходе тестирования на наборе данных HG002 система позволила снизить показатель кажущейся новизны изоформ в 26 раз, обеспечив уровень аннотации более 95% даже для низкокопийных изоформ. Масштабный каталог включает 1007 наборов данных секвенирования длинных чтений (long-read) из 37 различных биологических контекстов. Данный фреймворк критически важен для клинических исследований РНК, позволяя более точно изучать сложные локусы, такие как псевдогены и слияния генов. Проект Isopedia является открытым и доступен для использования в научных и медицинских целях через GitHub.

Международная группа исследователей представила комплексные рекомендации по применению генеративного искусственного интеллекта в процессе подготовки медицинских научных работ. В основу документа лег глубокий сравнительный анализ редакционной политики 15 ведущих мировых научных издательств, таких как Elsevier, Springer Nature, JAMA, The Lancet и BMJ. Основная цель исследования — систематизировать подходы к использованию нейросетей, чтобы обеспечить прозрачность и научную достоверность публикаций. Рекомендации затрагивают вопросы ответственности авторов за сгенерированный контент, правила декларирования использования ИИ и ограничения на признание алгоритмов соавторами. Данная инициатива имеет критическое значение для регулирования научной деятельности в эпоху стремительного развития больших языковых моделей. Внедрение этих стандартов поможет минимизировать риски галлюцинаций ИИ и плагиата в доказательной медицине.

Компания Commure, специализирующаяся на решениях в области искусственного интеллекта для здравоохранения, объявила об успешном завершении раунда финансирования, в ходе которого было привлечено 70 миллионов долларов. Данная инвестиция позволила компании достичь значительной рыночной оценки в 7 миллиардов долларов. Полученные средства будут направлены на дальнейшее масштабирование технологической платформы, которая объединяет различные ИИ-инструменты для оптимизации работы медицинских учреждений. В условиях растущей цифровизации здравоохранения, Commure стремится интегрировать передовые алгоритмы машинного обучения в клинические рабочие процессы. Успех раунда подтверждает высокий интерес венчурных инвесторов к сектору медицинского ИИ и потенциал автоматизации административных и диагностических задач. Данное событие подчеркивает динамичное развитие рынка специализированных ИИ-решений для индустрии здравоохранения.

Федеральный фонд обязательного медицинского страхования (ФФОМС) инициировал внедрение системы ключевых показателей эффективности (KPI) для оценки уровня интеграции технологий искусственного интеллекта в региональные программы ОМС. Данная инициатива реализуется на основании резолюции министра здравоохранения РФ Михаила Мурашко и направлена на систематизацию использования цифровых решений в здравоохранении. Основной акцент в предлагаемых показателях сделан на двух ключевых направлениях: применение ИИ-алгоритмов в лучевой диагностике (рентгенология, КТ, МРТ) и автоматизированный анализ данных электронных медицинских карт (ЭМК). Внедрение данных KPI позволит государству объективно оценивать готовность регионов к цифровой трансформации и контролировать реальное использование нейросетевых технологий в клинической практике. Это создаст основу для масштабирования ИИ-решений и их включения в стандарты оказания медицинской помощи через механизмы финансирования ОМС.

Статья анализирует проблему дефицита квалифицированных кадров в секторе ИИ-диагностики. Автор отмечает, что традиционные рекрутинговые стратегии не справляются с поиском руководителей, обладающих специфическим опытом на стыке ИИ и клинической диагностики.

Демократические законодатели инициировали резолюцию с целью отмены пилотного проекта CMS под названием WISeR AI, который использует искусственный интеллект для процесса предварительного одобрения медицинских услуг (prior authorization). Данная инициатива стала возможной после того, как Государственное управление по бухгалтерскому учету (GAO) постановило, что внедрение этой модели подлежит голосованию в рамках Закона о парламентском контроле (Congressional Review Act). Проект WISeR AI направлен на автоматизацию проверки страхового покрытия с помощью алгоритмов машинного обучения, однако его использование вызывает серьезные политические и регуляторные споры. Основной конфликт заключается в вопросе контроля над принятием клинических решений: законодатели опасаются, что алгоритмические системы могут необоснованно ограничивать доступ пациентов к необходимой медицинской помощи. Исход голосования определит, останется ли ИИ ключевым инструментом в административных процессах CMS или процесс будет возвращен к традиционным методам проверки.

Демократы в Конгрессе США инициировали новую попытку законодательно ограничить использование искусственного интеллекта в рамках пилотного проекта Medicare. Данная программа экспериментально внедряет алгоритмы ИИ для автоматизированного процесса предварительного одобрения (prior authorization) или отказа в предоставлении медицинских услуг пациентам. Основная цель законодательной инициативы заключается в прекращении этого эксперимента, так как использование непрозрачных алгоритмов вызывает опасения относительно справедливости и точности принятия клинических решений. Критики подчеркивают, что автоматизация процесса одобрения лечения может привести к необоснованным отказам в помощи, что критически важно для системы государственного медицинского страхования. Данное событие подчеркивает растущее регуляторное давление на использование ИИ в управлении медицинским страхованием и защите прав пациентов.

Статья рассматривает меняющийся научный дискурс вокруг этических ограничений на редактирование генома человеческих эмбрионов. Основным драйвером перемен выступает значительный прогресс в области фетальной генной терапии, которая открывает новые возможности для лечения врожденных патологий еще до рождения. Автор отмечает, что среди ученых нарастает мнение о необходимости пересмотра жестких запретов на манипуляции с эмбрионами, если это может предотвратить тяжелые генетические заболевания. В центре обсуждения стоит вопрос баланса между этическими нормами и потенциальной пользой для медицины будущего. Исследование подчеркивает, что развитие технологий редактирования генов требует создания новых регуляторных рамок, которые учитывали бы возможности пренатального вмешательства. Данный сдвиг в парадигме может радикально изменить подходы к превентивной медицине и генетическому консультированию.