биоинформатика

В исследовании представлен новый метод StrainRefine, предназначенный для решения проблемы ошибочной классификации штаммов в метагеномных данных из-за высокой схожести геномов. Авторы разработали подход постобработки картирования, который анализирует профили соответствия чтений референсным геномам для устранения неоднозначностей. Метод использует бинарные профили для представления кандидатов и кластеризует референсы на основе перекрытия этих профилей, что позволяет фильтровать слабо подтвержденные геномы и переназначать чтения наиболее репрезентативным штаммам. Результаты тестирования на крупномасштабных наборах данных показали значительное снижение количества ложноположительных результатов при сохранении полноты охвата (recall). В отличие от существующих инструментов, StrainRefine не требует предварительных предположений о составе образца или использования специализированных баз данных конкретных видов. Метод продемонстрировал наивысшую точность классификации на уровне отдельных чтений даже в самых сложных сценариях, обеспечивая оптимальный баланс точности и полноты.

Представлена новая аналитическая платформа Shiny AMMOA, разработанная как графический интерфейс (GUI) на базе R Shiny для упрощения интегративного анализа мультиомных данных при изучении старения мышей. Инструмент позволяет исследователям проводить сквозной анализ транскриптомных, протеомных и метаболомных данных без необходимости глубоких навыков программирования. Платформа поддерживает тестирование дифференциальной экспрессии, анализ обогащения путей и визуализацию молекулярных изменений на диаграммах KEGG. В ходе тестирования Shiny AMMOA успешно воспроизвела ключевые результаты существующих исследований, выявив возрастные изменения в таких процессах, как ответ на несвернутые белки (UPR), организация внеклеточного матрикса и метаболические пути. Продукт демократизирует доступ к сложным биоинформатическим методам, позволяя экспериментальным биологам быстро приоритизировать биологические мишени и генерировать гипотезы на системном уровне. Платформа доступна как локально через GitHub, так и в облегченном веб-варианте.

В данном исследовании ученые применили вычислительный пайплайн ab initio для анализа восьми сегментов РНК вируса гриппа А (штамм H3N2), чтобы выявить механизмы регуляции генов хозяина через микроРНК-подобные механизмы. С помощью инструментов VMir и MatureBayes были предсказаны пре-микроРНК и зрелые микроРНК, а последующий анализ через сервер miRDB позволил определить их мишени в геноме человека. Исследователи идентифицировали 10 сегмент-специфичных целевых генов (включая IFNL1, DDX60, SAMHD1, MAVS, IRF4, BIRC2, AGO1, MAP3K1, NOD1, TNFAIP1) и один общий целевой ген (CADM2) для всех сегментов. Анализ генных онтологий показал значительное обогащение путей интерферонового сигналинга, RIG-I-подобных рецепторов, РНК-интерференции и воспалительных реакций. Результаты демонстрируют, что вирус использует микроРНК для модуляции врожденного иммунитета, что открывает новые перспективы для поиска терапевтических мишеней. Работа предоставляет конкретный список генов-кандидатов для дальнейшей экспериментальной валидации в контексте патогенеза гриппа.

В статье представлен GeneFior — новый прозрачный рабочий процесс (workflow), предназначенный для обнаружения целевых генетических последовательностей, таких как гены антибиотикорезистентности, напрямую из данных геномного и метагеномного секвенирования. Авторы решают проблему традиционных методов, которые полагаются на предварительную сборку (assembly), что часто приводит к потере данных о низкокопийных вариантах и нуклеотидном разнообразии. Методология GeneFior интегрирует в единую систему такие инструменты, как BLAST, DIAMOND, Bowtie2, BWA и Minimap2, позволяя проводить поиск как ДНК, так и белковых последовательностей по любым пользовательским базам данных. Ключевым преимуществом является применение погенного порога идентичности и покрытия на уровнях ридов и генов, что значительно снижает количество ложноположительных результатов при сохранении высокой чувствительности к вариантам с однонуклеотидными различиями. Инструмент обеспечивает полную воспроизводимость за счет экспонирования всех параметров выравнивания и сохранения промежуточных результатов, формируя матрицы консенсусного обнаружения. Это позволяет исследователям напрямую оценивать влияние выбора инструментов и конфигурации параметров на итоговые профили генов, что критически важно для точной метагеномной диагностики.

Представлена новая библиотека с открытым исходным кодом на языке Python под названием mantis-delta, предназначенная для анализа химических реакционных сетей (CRNT). Библиотека позволяет автоматизировать структурный анализ систем, используя теорию масс-действия, и определяет применимость теорем о дефиците нуля (DZT) и дефиците один (D1T). Инструмент способен без проведения симуляций подтверждать существование, уникальность и асимптотическую стабильность положительных стационарных состояний. Для сложных систем, не подпадающих под структурные теоремы, mantis-delta генерирует символьные обыкновенные дифференциальные уравнения (ODE) и использует гибридный численный решатель для поиска как стабильных, так и нестабильных фиксированных точек, включая центры бифуркации Хопфа. В ходе тестирования на шести бенчмарках, включая механизм Михаэлиса-Ментен и биосенсор miR-21, библиотека показала высокую точность: остаточные значения составили менее 10⁻⁶ М·с⁻¹. Данная разработка представляет интерес для биоинформатики и системной биологии, так как позволяет моделировать динамику сложных биохимических процессов и сенсоров.

Исследователи представили SpatialArtifacts — новый вычислительный фреймворк, предназначенный для автоматического обнаружения технических артефактов в данных пространственной транскриптомики. Проблема таких дефектов, как сухие участки, отслоение тканей и неравномерное покрытие реагентами, критически влияет на точность анализа, особенно на границах образцов. Методология SpatialArtifacts сочетает в себе метод обнаружения выбросов на основе медианного абсолютного отклонения (MAD) с операциями математической морфологии. Использование фокальных операций, таких как заполнение 3x3, контур 5x5 и звездная связность, позволяет эффективно объединять низкокачественные споты в кластеры, сохраняя при этом истинные биологические домены. Разработанная иерархическая система классификации позволяет различать краевые и внутренние артефакты, а также разделять их по размеру, что упрощает последующую очистку данных. Эффективность метода была подтверждена на данных гиппокампа человека, дорсолатеральной префронтальной коры и тканей колоректального рака с использованием платформ 10x Genomics Visium и VisiumHD. Инструментарий доступен в открытом доступе через репозитории Bioconductor и PyPI.

В данном исследовании представлена инновационная двухэтапная программная платформа для прогнозирования белок-белковых взаимодействий (PPI), что является критически важной задачей молекулярной биологии. Авторы предлагают отойти от традиционного ручного проектирования признаков, используя автоэнкодер на базе одномерной сверточной нейронной сети (1D-CNN) для автоматического извлечения скрытых представлений из белковых последовательностей. В рамках методологии полученные латентные признаки объединяются с классическими признаками на основе частоты аминокислот, формируя гибридный набор данных. Для оценки эффективности применялась процедура вложенной перекрестной проверки (nested cross-validation). Результаты показали, что интеграция глубокого обучения признаков значительно повышает точность моделей по сравнению с использованием только частотных характеристик. Итоговая модель на базе классификатора случайного леса (Random Forest) продемонстрировала высокую эффективность, достигнув среднего показателя AUC-ROC 0,91 и F1-меры на тестовой выборке 0,87. Данный подход открывает новые возможности для ускорения биомедицинских исследований за счет снижения зависимости от трудоемких экспериментальных методов.

Исследование представляет deluxpore — специализированный биоинформатический конвейер на базе Nextflow, разработанный для решения проблемы демультиплексирования гибридных библиотек. Авторы решают критическую задачу: совмещение таргетного метагеномного захвата с секвенированием длинными прочтениями (ONT), что ранее было затруднено несовместимостью протоколов. Инструмент использует алгоритмы выравнивания BLAST и сопоставление по расстоянию Левенштейна для обработки прочтений Nanopore, полученных из библиотек Illumina (NEBNext и Nextera). В ходе бенчмаркинга на 18 репликатах было установлено, что для успешной работы необходима точность данных не ниже Q20. Результаты показали, что использование уникальных индексов для каждого образца обеспечивает восстановление 91,7% образцов при Q20, в то время как комбинаторные подходы дают лишь 46,1%. Также авторы оптимизировали конфигурацию из 8 образцов, достигнув точности около 95% при качестве Q20, и выявили проблемные пары индексов в наборе NEBNext Primer Set A. Данная разработка позволяет автоматизировать и сделать надежными рабочие процессы гибридного секвенирования.

Исследователи представили FoldaVirus — новый методологический подход и веб-сервис (foldavirus.org), предназначенный для моделирования четвертичной структуры вирусных капсидов. В то время как AlphaFold эффективно предсказывает третичную структуру отдельных белков оболочки (CP), он не справляется с их сборкой в полноценные вирусные частицы. Разработанный метод комбинирует предсказания AlphaFold с математическими знаниями об икосаэдрической архитектуре (симметрии T=1, 3, 4 и т.д.), характерной для конкретных семейств вирусов. Для устранения стерических столкновений на интерфейсах субъединиц модели проходят минимизацию энергии Amber. Валидация моделей проводилась с помощью расчета расстояния Махаланобиса на основе аминокислотных остатков (интерфейсных, ядерных и поверхностных) в сравнении с экспериментально известными структурами. Авторам удалось успешно сгенерировать капсиды симметрии вплоть до T=9, включая пикорнавирусы с псевдо-T=3 симметрией. Данный инструмент критически важен для преодоления разрыва между огромным массивом известных аминокислотных последовательностей и ограниченным числом экспериментально определенных 3D-структур вирусов.

В данном исследовании представлен инновационный интегративный анализ экспрессии подвижных элементов (TEs) на основе данных секвенирования РНК единичных клеток (scRNA-seq). Ученые проанализировали 4 набора данных snRNA-seq, полученных из посмертных образцов компактной части черной субстанции пациентов с болезнью Паркинсона (БП) и здоровых контрольных групп. С помощью специализированного инструмента soloTE была проведена оценка изменений экспрессии TEs, после чего результаты были объединены методами мета-анализа для создания надежного атласа, специфичного для конкретных типов клеток. Особое внимание в работе уделено изучению механизмов, которые могут объяснять половые различия в патогенезе болезни Паркинсона. Кроме того, исследователи установили возможные ассоциации между подвижными элементами и белок-кодирующими генами, предлагая потенциальный механизм действия, посредством которого TEs способствуют развитию заболевания. Результаты работы закладывают основу для понимания генетической регуляции БП на уровне отдельных клеток.

Исследователи представили Panmap — инновационный инструмент, предназначенный для работы с пангеномами, содержащими миллионы геномов. Основная методология заключается в использовании филогенетически сжатого k-мер индекса, который сохраняет только последовательные различия вдоль эволюционных ветвей. Это позволяет сократить размер индекса до 600 раз и ускорить время его построения более чем на три порядка по сравнению с существующими аналогами. В ходе тестирования Panmap продемонстрировал исключительную скорость: размещение образца SARS-CoV-2 с покрытием 100x на 20 000 геномов заняло всего 0,4 секунды, а на 8 миллионов геномов — менее двух минут. Инструмент также обеспечивает точную идентификацию гаплотипов и оценку их распространенности в метагеномных образцах, а также позволяет проводить высокочувствительное размещение древней ДНК из окружающей среды без предварительного выравнивания. Данная разработка открывает новые возможности для крупномасштабного картирования чтений, сборки геномов и метагеномного анализа в рамках популяционной генетики.

Исследование посвящено решению критической проблемы клинической генетики — интерпретации миссенс-вариантов неопределенного значения (VUS). Авторы представляют новый количественный показатель — среднюю силу доказательств (mean evidence strength, MES), который позволяет оценивать вычислительные предикторы эффекта вариантов (VEP) и мультиплексные анализы (MAVE) в соответствии с руководствами ACMG/AMP. В ходе работы с использованием фреймворка acmgscaler было проведено калибрование 12 популяционных VEP для 367 генов заболеваний и проанализировано 15 наборов данных MAVE. Результаты показали, что традиционная метрика AUROC не всегда коррелирует с реальной клинической ценностью: MAVE продемонстрировали высокий средний показатель MES, несмотря на более низкий AUROC по сравнению с некоторыми VEP. В частности, предиктор CPT-1 показал наивысший MES и обеспечил наиболее значительный объем калиброванных доказательств для наибольшей доли VUS из базы ClinVar. Предложенный фреймворк MES предоставляет практический инструмент для оценки того, насколько эффективно ИИ-модели и экспериментальные данные могут использоваться для принятия клинических решений.

В исследовании представлен IDBSpred — новый метод на основе последовательностей для предсказания сайтов связывания внутренне неупорядоченных белков (IDP) на структурированных белках-партнерах на уровне отдельных аминокислотных остатков. Методология включает использование эмбеддингов последовательностей, полученных с помощью мощной языковой модели белка ESM-2, в качестве входных данных для классификатора на базе многослойного перцептрона (MLP). Для обучения и тестирования использовалась база данных DIBS, содержащая более 700 нередундантных комплексов IDP-белок. Исследование выявило, что сайты связывания обогащены ароматическими остатками (Trp, Tyr, Phe) и полярными заряженными аминокислотами, при этом наблюдается дефицит Ala и малых конформационно ограниченных остатков. Разработанный классификатор показал высокую эффективность с показателем ROC AUC 0.87 и средней точностью (average precision) 0.61. Результаты структурных исследований подтвердили, что предсказанные сайты в значительной степени соответствуют экспериментально определенным интерфейсам связывания. Данный инструмент предоставляет практическую основу для изучения интерфейсов, опосредованных IDP, и идентификации потенциальных терапевтических мишеней (hotspots).

Исследователи представили ALPINE (Amplicon Long-read Pipeline for INtegration Evaluation) — новый масштабируемый и воспроизводимый программный конвейер, предназначенный для точной классификации и количественной оценки результатов редактирования генома. В отличие от существующих инструментов, ограниченных короткими чтениями, ALPINE использует технологию секвенирования длинных чтений (long-read sequencing) для анализа гетерогенных исходов, таких как гомологичная репарация (HDR), интеграция шаблонов ДНК и структурные варианты. Система способна классифицировать данные более чем по 10 категориям, включая специфические подтипы интеграции вирусных векторов, что критически важно для разработки клеточной терапии. Уникальной особенностью ALPINE является способность различать клетки, обработанные несколькими векторами репарации ДНК, и идентифицировать такие молекулярные признаки, как инвертированные концевые повторы (ITR). Тестирование на симулированных данных подтвердило высокую точность работы, а применение на реальных образцах отредактированных Т-клеток продемонстрировало возможность полного профилирования результатов редактирования. Инструмент реализован на Python, распространяется через Docker-контейнеры с поддержкой CWL для облачного развертывания и доступен по лицензии MIT.

В статье представлен HiCPEP — новый эвристический алгоритм, предназначенный для ускорения идентификации A/B хроматиновых компартментов в данных Hi-C. Традиционный метод анализа главных компонент (PCA) становится вычислительно затратным при работе с высокоразрешающими данными, поэтому авторы предложили метод, который оценивает знак и относительную величину первой главной компоненты (PC1) напрямую из матрицы ковариации Пирсона. Алгоритм может работать как с плотными матрицами для быстрого приближения, так и с разреженными матрицами (O/E) для минимизации использования оперативной памяти. Исследование показало, что HiCPEP позволяет использовать случайную выборку для ускорения процесса без существенной потери точности. Бенчмарки подтвердили, что HiCPEP обеспечивает высокую схожесть с эталонными векторами PC1, полученными стандартным методом PCA, при значительном снижении временных и аппаратных затрат. Данный инструмент представляет высокую ценность для биоинформатиков, работающих с крупномасштабными геномными данными.

В статье представлен HESTIA (Histology-Enhanced Scalable cross-Resolution inTegration for spatial trAnscriptomics) — инновационный мультимодальный алгоритм, разработанный для анализа крупномасштабных данных пространственной омики. Основная проблема текущих методов заключается в огромных объемах данных и высокой разреженности транскриптомных данных при переходе к субклеточному уровню, что вызывает дефицит памяти у существующих систем. HESTIA решает эту задачу за счет оптимизации вычислений, позволяя обрабатывать массивы данных, недоступные для других алгоритмов. Исследование показало, что метод превосходит текущие аналоги по точности кластеризации и пространственной непрерывности, обеспечивая четкое разграничение структурных границ тканей. При применении алгоритма к патологическим образцам легких и колоректального рака удалось успешно картировать внутриопухолевую гетерогенность и идентифицировать специфические иммунные микроокружения. Данная разработка имеет критическое значение для прецизионной диагностики и понимания механизмов развития онкологических заболеваний на молекулярном уровне.

В данной работе представлен DiscrimAlign — новый статистический метод для оптимизации параметров выравнивания биологических последовательностей с использованием дискриминативного обучения. Традиционные подходы к оценке матриц замещения и штрафов за пропуски часто не ориентированы на задачи классификации, что снижает точность биоинформатического анализа. Авторы предложили модель, которая связывает оценку выравнивания пары последовательностей с бинарным меткой через логистическую функцию, обучаясь методом максимизации правдоподобия. В ходе исследования метод был протестирован на задачах предсказания взаимодействий микроРНК с мишенями. Результаты показали, что DiscrimAlign демонстрирует точность, сопоставимую с современными нейросетевыми классификаторами, при этом обладая значительно более высокой интерпретируемостью параметров. Разработчики подчеркивают, что такой подход позволяет более эффективно проводить поиск гомологов и картирование чтений, сохраняя при этом математическую прозрачность процесса.

Исследователи представили Paipu — комплексный вычислительный конвейер (pipeline), предназначенный для автоматизации сбора, предобработки и гармонизации данных RNA-seq из архива NCBI SRA. Основная проблема мультивидовых исследований заключается в различиях в аннотации геномов, что Paipu успешно решает через стандартизацию процессов подготовки референсных геномов и метаданных. В рамках валидации системы авторы применили её к 188 онкологическим терминам и 239 видам млекопитающих, в результате чего был создан гармонизированный атлас, включающий 3 484 образца RNA-seq. Этот атлас охватывает 17 видов и 35 типов рака, позволяя проводить сравнительный геномный анализ для выявления эволюционных механизмов развития опухолей. Использование Paipu открывает возможности для глубокого понимания редких видов рака у человека через изучение генетической вариативности у других млекопитающих. Инструмент является масштабируемым ресурсом, который может быть адаптирован для создания атласов по любым заданным наборам видов и поисковым запросам.

В статье представлен BCAR — специализированный инструмент для высокоточного картирования баркодов и исправления ошибок при секвенировании ДНК. Основная проблема существующих методов заключается в том, что они используют стандартные алгоритмы выравнивания, построенные на гомологии, и не учитывают в полной мере показатели качества (quality scores) каждого основания, что критично при наличии индель-ошибок (вставок и делеций). Разработанный алгоритм BCAR учитывает все доказательства для каждого вызова основания как в процессе выравнивания, так и при генерации финального консенсуса. Тестирование на симулированных данных с различными уровнями ошибок и длиной чтений показало, что BCAR превосходит существующие методы по точности. Применение инструмента на двух экспериментальных наборах данных подтвердило его способность создавать высококачественные карты баркод-последовательностей. Данная разработка имеет важное значение для биоинформатики и геномных исследований, повышая достоверность идентификации мутаций.